SimulinkECUdSPACE发动机仿真-5于ANFIS的电喷发动机ECU喷油量控制及仿真.pdf 网上找到的资料 共享一下 希望对大家有所帮助 ican注：文件见5楼及一下！

这个库是为那些想在 Simulink 环境中使用 ANFIS/CANFIS 系统的人准备的。 每个模型都以逐个样本的在线模式进行训练和操作。 有关详细信息，请参阅随附的发行说明。 用于开发所有 ANFIS/CANFIS 模型的主要参考是： 神经模糊和软计算：学习和机器智能的计算方法，Jyh-Shing Roger Jang、Chuen-Tsai Sun、Eiji Mizutani。 普伦蒂斯大厅，1997 年 9 月。

It's an anfis code for C++

安菲斯 使用oop范式开发的自适应神经模糊推理系统

基于改进模糊聚类与ANFIS的高速公路事件检测.pdf

该档案库包含genfis4.m，该文件使用回归树算法生成Mamdani型和Sugeno型FIS，以从数据集中提取模糊规则信息。 它主要基于 Fuzzy Logic Toolbox，但需要修改 Toolbox 的模糊规则构建原理。 因此，一些原始的 m 文件适用于这种新的模糊规则结构。 它们用最后一个 'x' 符号标记并包含在存档中（例如，getfisx.m、evalfisx.m 等）尽管一些 Toolbox 的 m 文件仍然有效（例如，addvar.m、plotmf.m 等） 评论： - 在开始之前，您应该通过以下命令创建 MEX 文件： mex src/evalfisxmex.c 墨西哥 src/anfisxmex.c - 如果你想使用你自己的回归树算法，你需要重写 treefun.m（参见 example2.m 了解 MATLAB 的 fitrtree 用法）； - 有关模糊回归树的

偏小二乘法检验matlab代码PLSR-ANFIS 介绍 PLSR-ANFIS是一个 MATLAB 软件包，它同时使用偏最小二乘回归 (PLSR) 和自适应网络模糊推理系统 (ANFIS) 在一组自变量 ( X ) 和因变量之间建立预测模型。变量 ( Y )。 该模型采用如下两阶段方法： 阶段1： 第 1 部分：使用 PLSR，建立预测模型来估计Y。 这表示为YP 。 第 2 部分：使用 PLSR，建立预测模型来估计YP的误差。 这表示为ErrP或预测错误。 阶段 2：使用 ANFIS 建立预测模型来估计Y ，使用YP和ErrP作为其输入。 这表示为modYP 。 如何使用代码？ MCode 目录下有几个 MATLAB 代码可用。 两个主要功能是： [result, detail]=train_PLSR_ANFIS(X,Y,inputMFTypes,mfNum) 和 [modYP,YP,ErrP]=eval_PLSR_ANFIS(X,PLSR_ANFIS_Result) 顾名思义，第一个用于训练和建立建议的两阶段模型，第二个用于在新数据集上评估模型。 还有两个测试文件可用，展示了如何使

Matlab中用ANFIS做的函数逼近-新建文件夹.rar 由于模糊推理本身不具备自学习的功能，必须有丰富的专家经验才能得到满意的控制效果，而神经网络具备非常强的自组织自适应和自学习能力，可直接从样本中进行有效的学习。但它又不适于表达基于规则的知识，不能很好地表达人脑的推理能力。因此产生了基于网络的自适应模糊推理系统（Adaptive Neuro-Fuzzy Inference System）将二者有机地结合起来，可以用神经网络的学习机制补偿模糊控制系统原有的缺点。 所含文件： Matlab13.jpg

matlab中相关anfis的源程序，大家想学习的 可以下载看看

从头开始：从头开始的自适应神经模糊推理系统。 内部所有代码，无依赖性