一种基于 Takagi2 Sugeno 模型的模糊神经网络由 前件网络和后件网络两部分组成。 前件网络用来匹配模糊规 则的前件, 它相当于每条规则的适用度。 后件网络用来实现 模糊规则的后件。 总的输出为各模糊规则后件的加权和, 加 权系数为各条规则的适用度。 所提出的模糊神经网络具有局 部逼近功能, 且具有神经网络和模糊逻辑两者的优点。 它既 可以容易地表示模糊和定性的知识, 又具有较好的学习能 力。 给出了调整规则后件参数及前件隶属度函数参数的学习 算法, 举例说明了它的逼近性能。