针对传统Takagi-Sugeno-Kan(TSK)模糊系统处理大规模数据时间代价较高的问题,提出一种基于概率模型框架的L2型TSK模糊系统建模策略,建立具有处理大规模数据能力的贝叶斯L2型TSK模糊系统(B-TSK-FS).具体地,基于L2型TSK模糊系统的输出误差概率化表示,对系统前后件参数联合学习,提高系统的泛化能力.另外,引入狄利克雷先验分布函数,对模糊隶属度稀疏化表示,实现样本的压缩,降低运算时间.在模拟和真实数据集上的实验结果验证了所提出模糊系统的优势.

基于MATLAB的系统分析与设计-模糊系统

本书有王立新教授编著，东北大学王迎军作了翻译，适合本科生和研究生学习和科研使用，详细介绍了模糊控制理论和模糊建模方法

基于MATLAB的系统分析与设计-+模糊系统

一共五章内容：绪论；模糊控制的理论基础；模糊控制系统；人工神经元网络模型；神经网络控制论； 选用教材为浙江大学韦巍老师编写的《智能控制技术》一书。

一种Ⅱ型 T-S 模糊系统参数辨识法--总体最小二乘

作为二型模糊系统的一个重要分支，二型TSK模糊系统在工程上的应用非常广泛，而国内在这一方面的研究还比较少．为此，综述了二型TSK模糊系统的研究现状．重点分析了一阶区间二型TSK模糊系统的3种结构及其推理过程，归纳了二型TSK模糊系统的适用范围，列举了近年来的一些成功应用案例，并通过一个短期电力负荷的预测实例验证了其在处理不确定方面的优越性．最后，总结了现阶段存在的不足，并指出了未来的发展方向，以期为以后的研究提供参考．

模糊系统随着输入维数的增加，其中模糊规则和辨识参数的数量将按指数级增长，针对这一问题，采用分层模糊系统是一种很好的解决方法，但分层模糊系统中各层的辨识变量没有明确的物理含义，无法进行合理的模糊化设计和解释。基于一种分层模糊系统，引用中心性TSK模糊系统思想，从而构造了一种新型的模糊系统。这种新型模糊系统保留了分层模糊系统的结构优势，极大地减少了模糊系统的模糊规则数量和辨识参数数量，又能对用到的内部参数进行很好的解释。并通过实例仿真表明基于中心型TSK模糊模型的分层模糊系统具有较好的逼近性能和更简单的结构。

具有时滞的不确定网络TS模糊系统的事件触发H∞控制

2018-AI人工智能入门PPT课件人工智能模糊系统神经网络等学习资料。