模糊規則

模糊規則的形式為：if x is A then y is B。 ^[1] 

其中A和B為由論域X和Y上的模糊集合定義的語言值。“x is A”稱為前提，“y is B”稱為結論。

以上模糊規則可以簡寫為A → B。本質上模糊規則是定義在X × Y上的二元模糊關係R。A → B有

兩種解釋，一種是A耦合（coupled with）B，另一種是A導致（entails）B。基於這兩種解釋和不同的tnorm, tconorm算子，模糊規則可以有多種合法的計算公式。

模糊高性能智能系統相對於傳統方法具有開發週期短、非線性以及不需要建立數學模型等特點，因而得到了廣泛的應用。但是對於該類系統的一個困難問題是模糊規則的獲取。關於模糊規則的自動獲取的研究已經引起了人們的高度重視，是機器學習的一個較活躍的研究領域。

作為一種“灰箱”系統，雖然TS模糊神經網絡中的規則形式較為明顯，但是在TS模糊神經網絡訓練結束後會存在大量的TS模糊規則(其個數為各概念邏輯劃分數目的乘積)，妨礙了人們對整個系統的更好的理解，也不利於TS模糊神經網絡與其他系統的有機集成。

用遺傳算法來同步優化TS模糊神經網絡的權值和修剪網絡中不必要的連接、隱結點和輸入結點，從而能夠保證在系統應用效果不變的情況下，得到儘量精練的模糊規則，並提出如何從優化後的網絡中提出模糊規則的可操作性。 ^[2]