1、在眾多的人工智能研究領(lǐng)域中，大多數(shù)研究側(cè)重于多種智能識別方法的融合，以改善識別的效果。伴隨著人工智能技術(shù)的發(fā)展，越來越多的智能識別算法在模式識別領(lǐng)域得到應(yīng)用。模糊神經(jīng)網(wǎng)絡(luò)結(jié)合了處理不確定信息能力的模糊邏輯，以及具備知識存儲能力的神經(jīng)網(wǎng)絡(luò)兩種技術(shù)，可有效發(fā)揮其各自的優(yōu)勢，并彌補(bǔ)其不足，集學(xué)習(xí)、聯(lián)想、識別、自適應(yīng)及模糊信息處理于一體，提高整個(gè)系統(tǒng)的學(xué)習(xí)能力和表達(dá)能力。用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊推理過程可采用網(wǎng)絡(luò)學(xué)習(xí)或聚類的方法從輸入輸出數(shù)據(jù)中獲取規(guī)

2、則，然后在性能指標(biāo)指導(dǎo)下，對規(guī)則進(jìn)行自適應(yīng)調(diào)整，從而實(shí)現(xiàn)模糊系統(tǒng)的自學(xué)習(xí)、自適應(yīng)功能。從而在模式識別和分類中具有獨(dú)特的優(yōu)勢，將此技術(shù)用于模式識別領(lǐng)域得到了很多專家的重視，是目前研究的一個(gè)熱點(diǎn)。
　　 模糊神經(jīng)網(wǎng)絡(luò)是以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)建立起來的，針對這個(gè)特點(diǎn)將Hopfield神經(jīng)網(wǎng)絡(luò)與亞當(dāng)姆斯預(yù)測校正系統(tǒng)有效的結(jié)合，在此基礎(chǔ)上提出了一種解決運(yùn)輸問題的優(yōu)化算法，該算法結(jié)合Hopfield神經(jīng)網(wǎng)絡(luò)優(yōu)化功能，并根據(jù)運(yùn)輸問題的實(shí)際情況，將優(yōu)

3、化運(yùn)輸問題轉(zhuǎn)換成求解網(wǎng)絡(luò)系統(tǒng)的平衡點(diǎn)，很好的解決了運(yùn)輸問題。同時(shí)，根據(jù)亞當(dāng)姆斯多步法思想提出一種基于多項(xiàng)動量項(xiàng)修改的神經(jīng)網(wǎng)絡(luò)參數(shù)調(diào)整方案，該算法適用于多種前向神經(jīng)網(wǎng)絡(luò)。實(shí)驗(yàn)表明該方案可以根據(jù)設(shè)置多個(gè)不同的初始參數(shù)使網(wǎng)絡(luò)達(dá)到防止振蕩，收斂速度快的特點(diǎn)。
　　 結(jié)合多種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的特點(diǎn)提出一種新型的模糊神經(jīng)網(wǎng)絡(luò)模型，在第二層既實(shí)現(xiàn)輸入變量的隸屬度函數(shù)的合成，又自動匹配了模糊控制的控制規(guī)則，而不用考慮常規(guī)模糊神經(jīng)網(wǎng)絡(luò)必須由相關(guān)領(lǐng)域的