动态静态孪生TSK模糊分类器

自学习·免教师模型

通过孪生网络整合深度模糊知识与细粒度知识，无需教师模型即可实现自学习提升。

张雄涛 · Qihuan, Shi · Jiang, Yunliang · Shen, Qing · 楼俊钢 · Wang, Ruiqin

Engineering Applications of Artificial Intelligence 2025

技术优势

无需教师模型

通过孪生网络同时从深度模糊知识和细粒度知识中学习，省去了重新训练教师模型的步骤。

规则更合思维

引入“归纳-反思”机制，减少了传统基础模糊规则的限制，使规则获取更贴近一般人类思维方式。

自适应不同复杂度

开发了自适应学习函数，可有效调整学习过程，适应不同复杂度的任务。

应用场景

• 模糊系统：为模糊系统提供无需教师模型的自学习机制，增强复杂数据下的分类能力。
• 机器学习模型：可作为新的机器学习分类模型，通过深层模糊规则提升性能，适用于复杂模式识别。
• 模式识别：在基准和真实数据集上均有高准确率，可用于模式识别任务。
• 智能决策系统：可解释的模糊规则和自适应学习使其适用于智能决策系统。