clear all;
close all;
ts2=newfis('ts2','sugeno');
ts2=addvar(ts2,'input','X',[0 5]);
ts2=addmf(ts2,'input',1,'little','gaussmf',[1.8 0]);
ts2=addmf(ts2,'input',1,'big','gaussmf',[1.8 5]);
ts2=addvar(ts2,'input','Y',[0 10]);
ts2=addmf(ts2,'input',2,'little','gaussmf',[4.4 0]);
ts2=addmf(ts2,'input',2,'big','gaussmf',[4.4 10]);
ts2=addvar(ts2,'output','Z',[-3 15]);
ts2=addmf(ts2,'output',1,'first area','linear',[-1 1 -3]);
ts2=addmf(ts2,'output',1,'second area','linear',[1 1 1]);
ts2=addmf(ts2,'output',1,'third area','linear',[0 -2 2]);
ts2=addmf(ts2,'output',1,'fourth area','linear',[2 1 -6]);
rulelist=[1 1 1 1 1;
1 2 2 1 1;
2 1
Sugeno模型的模糊神经网络的运用
最新推荐文章于 2024-07-23 22:54:39 发布
本文展示了如何创建并应用Sugeno模糊神经网络模型。通过MATLAB代码,定义了输入变量X和Y的模糊成员函数,以及输出变量Z的线性函数。接着,定义了四个规则并将它们加入到模型中。最后,可视化了输入变量的模糊成员函数以及模型的表面生成图,以直观展示模型的工作原理。
摘要由CSDN通过智能技术生成