置信规则库（beliefrulebase，BRB）的参数训练问题实质上是一个带有约束条件的非线性优化问题，目前在求解该问题上主要使用FMINCON函数及群智能算法，但在算法的应用中存在移植性差，难实现，计算时间长等局限性。通过对这些问题的研究，结合现有的参数训练方法提出了基于加速梯度求法的置信规则库参数训练方法，并将其应用在多峰函数、输油管道泄漏检测的置信规则库的参数训练上。以收敛误差、收敛时间和皮尔森相关系数作为衡量指标，对新方法与其他传统方法进行了对比，实验结果表明，新算法在收敛精度和收敛速度上具有更

采用class类编写实现，置信规则库BRB、逼近置信规则库ABRB，附带调用示例及示例数据集

基于置信规则库推理的PID参数自整定方法

包含置信规则库（BRB）推理程序、置信规则库优化程序、可使用信息转化技术直接生成初始条件，并以非线性函数拟合实验为例演示程序效果。 程序中的变量与杨剑波教授论文中变量的名称，结构均相同，可直接以矩阵形式输入并处理，无需在求解最优化时转化为难懂的列向量。 程序采用模块化设计，共包含1个主程序和9个子程序，数据生成，数据处理，模型优化，模型推理，结果展示等均以子程序形式展示，各部分均作有详细的备注，方便阅读、引用和更改。 程序生成非线性函数图像、模型对训练数据拟合效果对比图、模型对训练数据处理误差对比图、模型对验证数据拟合效果对比图、模型对验证数据处理误差对比图等5个图像，可直接在论文写作中使用。

PSO、置信规则库、优化算法、Python实现、BRB、粒子群

置信规则库、BRB、可直接调用、

置信规则库的matlab代码，根据杨剑波教授构建的优化模型对参数进行优化，并和神经网络进行了对比。

置信规则库 BRB Python实现 2输入单输出，单层BRB模型算法实现，Python编程，内含详细注释 带实现论文

利用置信规则库的数控机床伺服系统故障诊断

使用在线故障预测和置信规则库的动态系统状态维护