模糊神经网络应用实例, 模糊算法与神经网络

1、模糊神经网络的基本形式

模糊神经网络主要存在以下三种类型：
1．逻辑型模糊神经网络
2．算术型模糊神经网络
3．混合型模糊神经网络
所谓模糊神经网络，指的是在网络结构中包含模糊权重参数，或者输入信号具有模糊特性的神经网络系统。上述三种类型的模糊神经网络在运算方式上各不相同。
无论将模糊神经网络作为函数逼近工具，还是作为模式存储装置，都需要对权重参数进行学习与优化过程。其中，学习算法是实现权重优化的核心环节。针对逻辑型模糊神经网络，可以采用基于误差反馈的学习机制，即监督学习方法。而对于算术型模糊神经网络，则可应用诸如模糊BP算法、遗传算法等优化策略。至于混合型模糊神经网络，目前尚未形成成熟的计算方法；不过该类型通常用于执行复杂计算任务，并非以学习为主要功能，因此并不强制要求具备学习能力。

2、什么是滑模？

滑模控制（sliding mode control,