模糊神经网络FNN的PPT，积分最低随便下载

人工神经网络的一个实例 用于建立网络模型 训练最后用于水质评估

传统的粒子群算法训练神经网络的水质评价模型有学习速度慢，容易陷入局部最优和精确性不高的缺点。为了克服模型的缺点，提出了利用改进的自适应量子粒子群算法训练T-S模糊神经网络的新模型，新的自适应量子粒子群算法通过在算法中引入聚集度的概念，使得算法可以在迭代中自适应地调整收缩扩张系数，让算法更具动态自适应性。新的模型结合了量子粒子群算法和T-S模糊神经网络的优点，提高了模型的泛化能力。通过对东江湖流域站点2002到2013年的水文数据进行实验，结果显示，该模型比其他神经网络模型的评价结果具有更高的效率，适合被用于日常水质评价工作。

MATLAB基于PCA-LDA模糊神经网络的人脸识别

T-S型模糊规则网络 TSFNN Python实现 注释很全面，非常简单易懂，十分适合新手学习，采用Python class类编写，可以直接拿去调用，采用本人专用的三维高阶非线性数据

台湾清华大学张智星 孙春在 [日]水谷英二 编写的 神经-模糊和软计算一书中的源程序，我费了九牛二虎之力才找到的，让大家一起分享吧。

模糊神经网络 ｍａｔｌａｂ实现 现

模糊神经网络的预测算法-嘉陵江水质评价 matlab程序

受天气状况、辐照度、温度、湿度等气象因素的影响，光伏系统的输出具有很强的非线性和非平稳性的特点，光伏发电量预测精度较低。该文根据光伏系统的历史发电数据和实际气象数据，采用模糊识别与RBF神经网络相结合的方法，实现光伏系统发电量的短期预测。首先对影响预测结果的气象因素进行分析，然后按天气类型进行分类，对不同的天气类型分别建立模型进行训练，最后利用此模型预测未来的光伏系统发电量，并通过实验仿真验证。预测结果表明，该方法不但减少了模型所需样本数量而且提高了预测的精度，具有一定的科研价值。

离心式压缩机防喘振控制系统具有复杂非线性、高精度控制要求等特点,传统的控制方式难以实现理想的控制效果。针对这一问题,将模糊控制系统中方便的知识抽取表达和神经网络的自适应学习与并行计算等功能有机结合,得到了性能更加完善的模糊神经网络系统。仿真分析表明,采用模糊神经网络控制可显著提升离心式压缩机防喘振控制系统的工作性能,比模糊控制具有更小的超调量和振荡。