Key points are not available for this paper at this time.
Neste artigo, um novo método adaptativo de raciocínio fuzzy usando operadores fuzzy compensatórios é proposto para tornar um sistema de lógica fuzzy mais adaptativo e mais eficaz. Este sistema de lógica fuzzy compensatório é provado ser um aproximador universal. As redes neurais fuzzy compensatórias construídas por neurônios fuzzy orientados ao controle e neurônios fuzzy orientados à decisão não apenas podem ajustar de forma adaptativa as funções de pertencimento fuzzy, mas também otimizar dinamicamente o raciocínio fuzzy adaptativo usando um algoritmo de aprendizagem compensatória. Os resultados da simulação de um sistema de equilíbrio de carrinho-pólo e modelagem de sistemas não lineares mostraram que: 1) o sistema neurofuzzy compensatório pode aprender efetivamente regras fuzzy IF-THEN comumente usadas a partir de dados iniciais bem definidos ou dados mal definidos; 2) a velocidade de convergência do algoritmo de aprendizagem compensatória é mais rápida do que a do algoritmo de retropropagação convencional; e 3) a eficiência do algoritmo de aprendizagem compensatória pode ser melhorada escolhendo um grau compensatório apropriado.
Zhang et al. (Thu,) estudaram essa questão.