【正文】 和 累加 ， 加上每 次迭代涉及到的規(guī)則不多 ， 因此 ， 模糊系統(tǒng)的計(jì)算速 度比人工神經(jīng)元網(wǎng)絡(luò)更快 ， 實(shí)時(shí)應(yīng)用可能性大 。 (3)它們都可以用硬件實(shí)現(xiàn) 由于它們的實(shí)現(xiàn) ， 提高了計(jì)算機(jī) 、 控制和 AI等的 “ 智 能 ” 程度 ， 使那些 采用嚴(yán)格建模的方法難以解決的非 線性問題得到一些解決 。 是一個(gè)巨系統(tǒng) 。 這些經(jīng) 驗(yàn)規(guī)則的形成是基于對(duì)它們進(jìn)行的 定性的 、 大致精確 的觀察和總結(jié) ， 因此 ， 實(shí)現(xiàn)這些語(yǔ)言件經(jīng)驗(yàn)規(guī)則的數(shù) 值運(yùn)算也就 無需是一種基于它們精確數(shù)學(xué)模型的 數(shù)值運(yùn)算 。 要求映射的精度較高 ， 用人工神經(jīng)元網(wǎng)絡(luò)較好 。它是 當(dāng) 前很有發(fā)展前途的技術(shù) ，已應(yīng)用于控制、模式分類、 作模糊模型、專家系統(tǒng)的預(yù)處理器、圖像分割、邊緣 檢測(cè)以及加速神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)等方面，已取得了明顯 的效果。 其基本思想是將 模糊并集 、 交集等運(yùn)算操作和神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)機(jī) 制結(jié)合起來 ， 在神經(jīng)元網(wǎng)絡(luò)中 ， 關(guān)系數(shù)據(jù)的作用遠(yuǎn) 未受到如同特征數(shù)據(jù)那樣的重視 。 傳統(tǒng)的模糊控制系統(tǒng)不能很好地適應(yīng)環(huán)境的變化 ， 當(dāng) 外部環(huán)境變化時(shí) ， 它們可以從一條規(guī)則改變到執(zhí)行另 一條規(guī)則 ， 但是 ， 規(guī)則本身是不能改變的 。 人工神經(jīng)元網(wǎng)絡(luò)與模糊系統(tǒng)各有其特點(diǎn)和應(yīng)用范圍 ， 又由于它們 都是利用數(shù)值形式進(jìn)行處理 ， 故有可能 將兩者結(jié)合起來 ， 組成模糊神經(jīng)元網(wǎng)絡(luò) ， 使之兼有兩 之長(zhǎng) 。 學(xué)習(xí)的知識(shí)是分布地存儲(chǔ)在權(quán)中間 的 。 人工神經(jīng)元網(wǎng)絡(luò)與模糊系統(tǒng)的 共同之處 : (1)它們?cè)谔幚砗徒鉀Q問題時(shí) ， 無需建立對(duì)象的精確數(shù)學(xué)模型 ， 只需要根據(jù)輸入的采樣數(shù)據(jù)去估計(jì)其要求的決策 ， 這是一種 無模型的估計(jì) 。 人類思維的奇妙之處正是因?yàn)橛?精確思維和模糊思維 兩部分組成 的結(jié)果 ， 使它不僅有精確性 、 清晰性和邏 輯性而且有模糊性 、 容錯(cuò)性和非邏輯性 。 模糊系統(tǒng)的輸入輸出變量都是經(jīng)過模糊化的量，它們 都不是用明確的數(shù)來表示，其輸入已模糊化為一個(gè)隸 屬度的值來表示，顯然它是 區(qū)域塊與區(qū)域塊之間的映 射 。 對(duì)于許多實(shí)際問題 ， 模糊矩陣的維數(shù)是比較小的 ， 它 將數(shù)字方法和用符號(hào)表示的模型及 AI方法結(jié)合起來 。 這類系統(tǒng)具有類似于神經(jīng)元網(wǎng)絡(luò)的形式 ， 但其輸入所 連接的是不同的模糊控制規(guī)則 ， 而不是普通神經(jīng)元網(wǎng) 絡(luò)的節(jié)點(diǎn) 。 ? 當(dāng)處理較為復(fù)雜的問題； ? 采用常規(guī)方法無法解決或