模糊神经网络简介
 
模糊神经网络，前面已经有一些简单细致的介绍了，相信大家对于这个概念应该不陌生，为什么笔者着重介绍这相应内容呢？为您道来：
由于被控对象的数学模型是动态变化的，且参数间具有耦合关系,经典控制控制算法难以获得满意的控制效果．而模糊控制可以不依赖被控对象的数学模型对其进行有效的控制,为实现非模型控制提供了一条可靠的途径．
不过,在设计模糊控制系统的过程中，我们经常会遇到诸如系统稳定性的判定，输入变量隶属函数形状及参数的确立，模糊规则的提取等问题.采用动态因子法虽然可以在一定程度上缓解这些问题，但由于动态因子的选取从某重程度上同样依赖人的经验，因此无法从根本上解决这些矛盾，系统也就无法实现较优控制．
而神经网络是模拟人脑工作机能的数学模型，他具有很强的自适应性和自学习能力．于是．智能控制界的学者们不禁想到，如果能用神经网络映像模糊逻辑，实现模糊推理，那么这种”大”不仅具有先验知识，更重要的是它会通过自学习变得越来越聪明!这就是模糊神经网络伊始的思想源泉．历经十几年的发展，
各国学者提出了许多模糊神经网络的数学模型．我们根据前件和后件条件把它们分成两类：一类是Sugeno-Type 型．另一类Mamdani 型，两者的本质是一致的，都是通过神经网络表达模糊推理，但同时它们也各具特点．在本论文中采用的模糊神经属于Mamdani 型．
本文到这里就结束了，正航仪器后续关于网络数学模型的介绍，我们将给您更细致的详情。/