动态模糊神经网络​

​​

​​

​​

​​

​​

​​

​​

​​

（1）第1层：输入层

每个节点表示一个输入的语言变量。

（2）第2层：隶属函数层

每个节点分别代表一个隶属函数，该隶属函数用高斯函数表示。

​​

​​

​​

​​

​​

​​

（3）第3层：T-范数层

每个节点分别代表一个可能的模糊规则中的IF-部分。因此，该层节点数反映了模糊规则数。第​​

​​

​​

​​

该层的每个节点即代表了一个RBF单元。

（4）第4层：归一化层

该层的节点称为N节点。N节点数与模糊规则节点数相等。第​​

​​

（5）第5层：输出层

该层中的每个节点分别表示一个输出变量，该输出是所有输出信号的叠加：

​​

​​

​​

​​

​​

模型结构：

​​

​​

​​

​​