谁有粒子群优化模糊神经网络的的matlab代码

基本BP算法源代码，包括了如下部分 基本BP算法C语言源代码 基本BP算法C++源代码 基本BP算法C#源代码 基本BP算法JAVA源代码 改进的BP算法源代码，包括了如下部分 带动量因子的BP算法源代码（C、C++、C#、JAVA） 动态调整学习率的BP算法源代码

我的毕设只用把PID和模糊PID相比较

常规PID，用Matlab里的Simulink模块仿真，建立你要做的动力学模型的传函或者状态空间。PID参数调节可用临界比度法。

模糊PID就麻烦了，打开Matlab中FIS模块，一般都用二阶模糊？输入E,EC的隶属函数，一般为高斯，和输出模糊Kp,Ki,Kd，一般为三角。还要整定模糊规则，再加载到Simulink里。调节模糊因子Gu，Ge，Gec，设置模糊PID的参数。

总之，你这个问题在白度知道里很难说清楚。

神经网络

人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

最常用的就是BP神经网络了，你做数据挖掘SVM也很常用。

模糊

模糊逻辑指模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题 。

粗糙集(Roughset,也称粗集)理论是波兰学者2Pawlak于1982年提出的,它为处理不确切的!不完整的信息提供了一种新的数学工具。粗糙集理论建立在分类机制的基础之上,将分类理解为特定空间上的等价关系,而等价关系构成了对该空间的划分。该理论将知识理解为对数据的划分,每一划分的集合称为概念。粗糙集理论的主要思想是在保持信息系统分类能力不变的前提下,利用己知的知识库,将不精确或不确定的知识用知识库中己有的知识来近似刻画,通过知识的补充!约简,导出问题的决策或分类规则。

粗糙集理论与其它处理不确定和不精确问题理论最显著的区别是粗糙集理论无须提供问题所需处理的数据集合之外的任何先验信息,对问题的不确定性的描述或处理比较客观,又由于这个理论未包含处理不精确或不确定原始数据的机制,所以该理论与概率论!模糊数学!证据理论等其它处理不精确或不确定问题的理论有很强的互补性。粗糙集理论不仅为信息科学和认知科学提供了新的研究方法,而且为智能信息处理提供了有效的处理技术。目前粗糙集理论己经是人工智能领域方面的一个研究热点,成为数据挖掘应用的主要技术之一,受到各国学者的高度重视。

这句话说反了，应该是：在单片机上能否实现模糊神经网络。神经网络其实只是一个数学上的概念，体现在编程上则肯定可以实现的，至于模糊规则则更不必说，单片机的0 1肯定是可以做到的。

只是神经网络在训练中需要产生大量的临时变量，单片机的内存和运算速度需要考虑。现在也有硬件实现的神经网络，那种处理速度比较快。

粗集和神经网络的共同点是都能在自然环境下很好的工作，但是，粗集理论方法模拟人类的抽象逻辑思维，而神经网络方法模拟形象直觉思维，因而二者又具有不同特点。粗集理论方法以各种更接近人们对事物的描述方式的定性、定量或者混合性信息为输入，输入空间与输出空间的映射关系是通过简单的决策表简化得到的，它考虑知识表达中不同属性的重要性确定哪些知识是冗余的，哪些知识是有用的，神经网络则是利用非线性映射的思想和并行处理的方法，用神经网络本身结构表达输入与输出关联知识的隐函数编码。

BP

算数值实验

、实验目

1

、熟悉

Matlab

软件神经网络工具箱使用；

2

、熟悉

BP

神经网络基本工作原理；

3

、掌握

BP

神经网络基本应用

4

、熟悉

Matlab

程序设计基本

二、实验内容

问题

1

、

给定七输入单层神经元及输入

P

比较同传递函数所输结

．其网络权值向量

W

=

[ 0

3;

0

5;

0

9;

0

1;

0

4;

0

3;

0

1 ]

网络阈值

b= 1

网络输入

P

＝

[ 1

2

2

0

5

1

5

0

7

0

9

1

4 ]

问题

2

、

训练隐层（含五神经元）单输

BP

网络给态逼近程训练

权值闻值．

算：

1

初始化

BP

网络；

2

设定精度要求并利用输入目标进行训练；

3

画本点示意图；

4

同图画本点示意图．

labview神经网络和模糊区别是基本原理和应用场景：

1、神经网络是一种模拟大脑神经系统的计算模型，通过模拟神经元之间的相互作用来实现信息处理和学习。在LabVIEW中，神经网络可以用于分类、回归、聚类等任务，例如可以利用神经网络对一组数据进行分类，将数据划分到不同的类别中。

2、而模糊逻辑是一种基于模糊数学理论的推理方法，可以处理不确定或模糊的信息和语言性规则。在LabVIEW中，模糊可以用于控制系统的设计和优化，例如可以利用模糊控制器控制温度、湿度等变量，使其保持在一个稳定的范围内。

以上就是关于谁有粒子群优化模糊神经网络的的matlab代码全部的内容，包括:谁有粒子群优化模糊神经网络的的matlab代码、如何给出常规PID与模糊PIDBP神经网络PID遗传算法PID程序的MATLAB仿真程序、数据挖掘中的神经网络和模糊逻辑的概念是啥等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！