模糊控制和神经网络控制,模糊神经网络应用实例
自组织神经网络与模糊控制有什么优点
(2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。
(3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。
(4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。
(5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。|||什么是模糊控制？与传统控制理论相比有什么优点？
模糊控制是近代控制理论中建立在模糊集合轮上基础上的一种基于语言规则与模糊推理的控制理论，它是智能控制的一个重要分支。
与传统控制理论相比，模糊控制有两大不可比拟的优点：第一，模糊控制在许多应用中可以有效且便捷的实现人的控制策略和经验，这一优点自从模糊控制诞生以来就一直受到人们密切的关注；第二，模糊控制不需要被控对象的数学模型即可实现较好的控制，这是因为被控对象的动态特性已隐含在模糊控制器输入、输出模糊集及模糊规则中。
所以模糊控制被越来越多的应用于各个领域，尤其是被广泛应用于家电系列中，基于模糊控制的洗衣机就是其中的一个典型实例。|||模糊控制实质上是一种非线性控制，从属于智能控制的范畴。
模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。|||优点：对于难于建立模型的控制对象不失为一种良好的控制方法。
谷歌人工智能写作项目：神经网络伪原创
神经网络与模糊控制优劣？
(2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用文案狗。
(3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器 。
(4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。
(5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。|||什么是模糊控制？与传统控制理论相比有什么优点？
模糊控制是近代控制理论中建立在模糊集合轮上基础上的一种基于语言规则与模糊推理的控制理论，它是智能控制的一个重要分支。
与传统控制理论相比，模糊控制有两大不可比拟的优点：第一，模糊控制在许多应用中可以有效且便捷的实现人的控制策略和经验，这一优点自从模糊控制诞生以来就一直受到人们密切的关注；第二，模糊控制不需要被控对象的数学模型即可实现较好的控制，这是因为被控对象的动态特性已隐含在模糊控制器输入、输出模糊集及模糊规则中。
所以模糊控制被越来越多的应用于各个领域，尤其是被广泛应用于家电系列中，基于模糊控制的洗衣机就是其中的一个典型实例。|||模糊控制实质上是一种非线性控制，从属于智能控制的范畴。
模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。|||优点：对于难于建立模型的控制对象不失为一种良好的控制方法。
模糊神经网络的介绍
模糊控制的系统
模糊控制以现代控制理论为基础,同时与自适应控制技术、人工智能技术、神经网络技术的相结合,在控制领域得到了空前的应用。
Fuzzy-PID复合控制 Fuzzy-PID复合控制将模糊技术与常规PID控制算法相结合，达到较高的控制精度。
当温度偏差较大时采用Fuzzy控制，响应速度快，动态性能好；当温度偏差较小时采用PID控制，静态性能好，满足系统控制精度。因此它比单个的模糊控制器和单个的PID调节器都有更好的控制性能。
自适应模糊控制 这种控制方法具有自适应自学习的能力，能自动地对自适应模糊控制规则进行修改和完善，提高了控制系统的性能。对于那些具有非线性、大时滞、高阶次的复杂系统有着更好的控制性能。
参数自整定模糊控制 也称为比例因子自整定模糊控制。这种控制方法对环境变化有较强的适应能力，在随机环境中能对控制器进行自动校正，使得控制系统在被控对象特性变化或扰动的情况下仍能保持较好的性能。
专家模糊控制EFC(Expert Fuzzy Controller) 模糊控制与专家系统技术相结合，进一步提高了模糊控制器智能水平。
这种控制方法既保持了基于规则方法的价值和用模糊集处理带来的灵活性，同时把专家系统技术的表达与利用知识的长处结合起来，能够处理更广泛的控制问题。
仿人智能模糊控制 IC算法具有比例模式和保持模式两种基本模式的特点。这两种特点使得系统在误差绝对值变化时，可处于闭环运行和开环运行两种状态。
这就能妥善解决稳定性、准确性、快速性的矛盾，较好地应用于纯滞后对象。
神经模糊控制(Neuro-Fuzzy Control) 这种控制方法以神经网络为基础，利用了模糊逻辑具有较强的结构性知识表达能力，即描述系统定性知识的能力、神经网络的强大的学习能力以及定量数据的直接处理能力。
多变量模糊控制 这种控制适用于多变量控制系统。一个多变量模糊控制器有多个输入变量和输出变量。
什么是模糊控制技术？
模糊控制技术是以模糊数学为理论基础的应用技术。
你也许已经注意到，不论在自然界还是人类社会都存在着许多难以精确地、定量地加以描述的事物及特征，因而我们的语言中也有了许多内涵明确而外延不分明的概念和命题，如，好、坏、美、丑、高、矮、老、少等等。
对于计算机来说，这种模糊性是个难以逾越的障碍。
因为计算机是以形式逻辑为基础的，其解决问题的方式是将问题分解为一系列的“是”或“非”(用0或1代表)判断，面对不遵循二值逻辑、允许亦此亦彼现象存在的模糊性，它便无能为力了。
为了使计算机以及以它为主体的现代控制技术能够处理模糊现象，需要将模糊用精确的数学表示出来。1965年，美国加利福尼亚大学的扎德教授最先尝试运用数学的、逻辑的语言描述模糊现象，模糊数学由此而诞生。
模糊数学运用隶属度概念将模糊性量化，例如，对于年轻人，由于一般界定13岁以下为儿童，35岁以上为中年，所以可将13岁和35岁隶属于年轻人的程度表示为0，而将18岁表示为1，用0到1之间的数来表示其他不同程度的年轻：15岁=0.4，16岁=0.6，33岁=0.2，30岁=0.4，28岁=0.5，……，这样，13～35岁构成了“年轻人”这个模糊集合中的各元素，所对应的从0到1之间的数值便是隶属度。
隶属度是以主观经验判断为依据确定的。
借助于隶属度概念可以在模糊集合上进行逻辑推论和逻辑运算，这实际上是将人类所具有的一种高级智力活动——模糊信息处理能力数学化、逻辑化了，从而使得计算机进行类似的模糊信息处理成为可能。
模糊数学理论能让计算机在0到1的多个数值中进行判定，使得计算机所描述的现象更接近于现实；模糊控制技术则使得机器的运行更为准确、有效和符合人们的要求。
今天，模糊控制技术已成为一种具有广泛应用前景的自动化技术，各种应用了模糊控制技术的产品相继出现，如模糊控制的家电(洗衣机、电冰箱、电视等)、汽车等。
应用模糊控制技术的电冰箱，既可以对箱内存放的食品量、开门的频度作出判断，使冰箱始终运行在最经济、合理的状态，还具备“自学”能力，能够记忆最合理的运行工作周期，随时校正不合理的工作状态，是一种低能耗、易操作的新型电冰箱。
模糊控制最有发展前途的应用领域将是人工智能研究，正在进行的模糊人工智能研究已初具成果，一种将模糊逻辑与化工生产的神经网络(神经计算机)相结合的软件已经开发出来。
神经网络可对过去的生产操作数据进行分析，找出真正使化学反应进行的因素，模拟化学反应过程；一旦模拟成功，软件便会自动产生模糊控制生产规则，对实际生产过程实施最优化控制。
这种软件从1990年投入使用，已使500多家化工、造纸和炼油企业的生产效率大大提高。
从人工智能模拟自然界的角度,请简述模糊控制和人工神经网络的区别？
matlab 在神经网络 模糊控制
首先要明白模糊控制的含义及模糊控制器的设计过程，一般包括模糊化，建立规则，模糊推理，清晰化等过程，然后神经网络（重点是BP神经网络的计算过程和BP算法），然后用matlab编程实现一遍，基本就能弄清楚了。
matlab很好学的，又称傻瓜语言。建议你看模糊控制、神经网络各一本教材，然后尝试用matlab实现一遍，基本就能学会了。
什么是模糊控制