模糊神经元网络可综合模糊逻辑推理和神经元网络的非线性变换机制与学习能力,模拟生物神经系统的信号处理机制和过程。
模糊神经元分为两类
1.通过对非模糊神经元直接模糊化得到的模糊神经元
1.1由各种模糊数、模糊运算、模糊函数实现对输入、连接权、激励阈值、聚合运算和非线性激励函数的模糊化,则其输出也必然是模糊
2.由模糊规则所描述的模糊神经元
2.1通过加权模糊逻辑设计的,---加权模糊逻辑规则
模糊逻辑与神经元网络的其他结合方式
1.模糊算子型神经元网络
2.单体模糊神经元网络
3.单纯与混合模糊神经元网络
4.模糊极大-极小模糊神经元网络
不同结合方式可以构成形式各异的模糊神经元网络,从功能上主要有两种形式 1.基于‘不同点’的结合模式 -----将两者优势相结合,保持原有功能的基础上扩充额外的特殊功能 2.基于‘相同点’的结合模式-------利用模糊系统与神经元网络的相似点将二者融合为一体。