M.F.阿齐姆。;汉曼德鲁，M。;N.艾哈迈德。 广义模糊模型的参数确定。 （英语） Zbl 1075.68657号 软计算。 9，第3期，211-221（2005）. 小结：本文强调了一种方法，利用CRI和TS模型在其模糊规则的后继部分中的插值来演化广义模糊模型（GFM）。GFM具有CRI模型的模糊性指数和TS模型的局部模型。GFM的参数通过两步过程进行估计。重新制定模糊规则的后续部分，以适应LSE框架，用于估计相关参数。通过假设前提部分为广义高斯隶属函数，使用梯度下降技术更新其参数。在两个系统上测试了两类GFM的性能，结果表明，在所有测试的模糊模型中，II类GFM是最好的。 理学硕士： 68层37 人工智能背景下的不确定性推理 关键词：广义模糊模型;模糊性指数;混合学习;最小二乘估计;梯度下降 PDF格式BibTeX公司 XML格式引用 \textit{M.F.Azeem}等人，《软计算》。9，第3号，211--221（2005；Zbl 1075.68657） 全文： 内政部