为提高多变量、非线性和强耦合系统的动态特性和解耦能力,根据解耦原理和神经网络思想,提出一种两级串联结构的自适应模糊神经网络解耦控制器.前级是基于智能权函数规则的自调整模糊控制器,后级是基于动态耦合特性的自适应神经网络解耦控制器.同时从理论上证明了学习算法的收敛性.仿真实例表明,所提出的解耦控制器具有良好的鲁棒性和自适应解耦能力,是解决多变量、非线性和强耦合问题的一种简便有效的控制算法.

在工业生产过程中，针对纯迟延、时变、强耦合的多输入多输出现象，提出一种基于模糊神经网络解耦和PID控制相结合，对系统进行解耦控制的方法。这种方法不需要建立多变量对象精确的数学模型，通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真，其结果表明，解耦控制效果很好，具有良好的静态性、动态性及鲁棒性。

旋转运动模糊图像复原，复原效果佳，可以很好的提高图像质量，和图像信噪比

电子书 作者:李相镐 李洪兴等编著 模糊集理论

人工智能-机器学习-改进的模糊聚类算法在预测移动客户流失中的应用研究.pdf

包含了 LFM信号，相位编码信号的模糊函数matlab代码及性质分析，非常基础，适合新手学习。

T-S模糊神经网络的matlab实现，模糊神经网络的几个案例

Filter中的模糊过滤： 要实现模糊过滤，BDE中要用“*”，不允许使用“Like”关键字，且只能向后匹配，如“Fcode=’101*’”；而ADO则是使用“%”或“*”都可以，可以使用“Like”关键字，且和SQL语句用法一致，可以任意匹配，如“Fcode like 1%”，但要注意，在字符串前加“%”时，其后面一定也要加“%”，否则会报错，也可以一个“_”，此处有两点不明白：一是为什么会报错，二是下划线是如何匹配的，ado不允许使用not like，不知何故。 特别注意：ADO在用Filter时，

一种基于遗传算法的模糊神经网络最优控制

基于模糊证据权模型的青藏高原区土地适宜性评价