特征网络用来产生模糊规则的前件，相应于每条规则的适用度。
一百当模糊产生式规则应用在近似推理过程中时，前件相同而后件不同的模糊规则之间往往存在交互影响。
结果表明这种用模糊规则建立的行为模型产生了逼真的空战格斗行为。
一百利用Q强化学习算法对模糊规则中各行为的值函数进行在线增量学习，实现模糊决策的逐步求精。
给出了模糊规则后件参数的自适应学习方法。
另外，模型自动更新了基于免疫的模糊规则，从而可以提高检测新的网络入侵的能力。
模糊规则前件可以是任意形状的模糊*，后件则必须采用单值模糊*；
当模糊产生式规则应用在近似推理过程中时，前件相同而后件不同的模糊规则之间往往存在交互影响。
一百特征网络用来产生模糊规则的前件，相应于每条规则的适用度。
针对双机格斗空战,提出了一种基于模糊规则的三层行为模型,并运用遗传算法对底层飞行状态模糊控制器进行了优化。
对非线*系统建立T-S模糊模型，并用正交最小二乘法（OLS）对模糊规则的后件参数进行辨识。
理论分析说明这种模糊规则后件参数学习算法是收敛的、所建模糊模型能够以要求的精度逼近已知的实验数据。
