There are two methods. Viz., Mamdan

There are two methods. Viz., Mamdani-type fuzzyinference system and adaptive neuro-fuzzy inference system (ANFIS). The ANFISarchitecture is shown in Figure 2. The ANFIS is a Sugeno fuzzy model where the final fuzzyinference system is optimized via the artificial NN training the main difference betweenMamdani and Sugeno system is that the Sugeno output membership functions are eitherlinear or constant. Therefore, the Sugeno method is computationally more efficient and thusmore likely to have a faster response. Sugeno can be well suited for modeling non linearsystems by interpolating between multiple linear models (Sivarao et al., 2009).

結果 (繁體中文) 1:

有兩種方法。即，馬丹尼型模糊
推理系統和自適應神經模糊推理系統（ANFIS）。該ANFIS
架構在圖2中示出ANFIS是Sugeno模糊模型，其中最終的模糊
推理系統經由人工NN訓練之間的主要區別優化
Mamdani型和關野系統是關野輸出隸屬函數或者是
直鏈的或恆定的。因此，關野方法在計算上更有效的並且因此
更可能具有更快的響應。關野可以很好地適合於模擬非線性
由多個線性模型之間進行內插系統（Sivarao等人，2009）。

結果 (繁體中文) 2:

有兩種方法。維茲，馬姆達尼型模糊
推理系統和自我調整神經模糊推理系統（ANFIS）。The ANFIS
體系結構如圖 2 所示。ANFIS 是一個蘇吉諾模糊模型，其中最終模糊
推理系統通過人工NN訓練進行了優化，主要區別于
馬姆達尼和蘇吉諾系統是，蘇吉諾輸出成員函數是
線性或常量。因此，Sugeno 方法的計算效率更高，因此
更有可能有更快的回應。Sugeno 非常適合非線性建模
系統通過在多個線性模型之間進行插值（Sivarao等人，2009年）。

結果 (繁體中文) 3:

有兩種方法。即Mamdani型模糊
推理系統和自我調整神經模糊推理系統（ANFIS）。ANFIS
架構如圖2所示。ANFIS是一個Sugeno模糊模型，其中
推理系統的優化主要是通過人工神經網路訓練
Mamdani和Sugeno系統是Sugeno輸出成員函數
線性的或恒定的。囙此，Sugeno方法計算效率更高，囙此
更可能有更快的反應。Sugeno非常適合於非線性建模
通過在多個線性模型之間插值的系統（Sivarao等人，2009）。