糊神经网络(FNN)是智能控制理论中一个十分活跃的分支,它是人工神经网络与模糊逻辑系统的有机结合。本文以广泛应用于远程数据测控系统中的多媒体数据通信为背景,讨论了补偿模糊神经网络(CFNN)和模糊Hopfield神经网络(FHNN)在远程数据通讯中的应用,并取得了良好效果,为多媒体数据通信提供了一个新的思路。补偿模糊理论和神经网络的混合系统,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,将该系统应用于多传感器融合、图像数据压缩、网络拥塞控制,大大提高了系统网络的容错性、稳定性和训练速度。另外,采用模糊Hopfield神经网络,应用在接收端的图像去噪滤波器设计上,得到良好效果。 在系统的传感器融合中,根据环境传感器获得的信息,结合知识系统的存储数据,利用模型逻辑制定本次数据融合的传感器组,包括传感器的选择、传感器性能配置以及它们相互之间在空间和时间上的协调,以消除了环境变化对数据融合产生的负面影响。然后,将传感器阵列的数据经模糊推理层、反模糊化层进行融合参数选择,并结合环境传感器数据进行数据融合。对图像数据压缩,首先进行小波分解。并对于图像使用模糊神经网络进行矢量构造和矢量量化。再用动态Huffman编码方法进行熵编码。实现在高压缩比的前提下,有较快的压缩速度和较好的重构图像质量。将补偿模糊理论和神经网络的混合系统,应用于基于GPRS无线网络的视频数据传输的拥塞控制中。提出了一种改进的补偿模糊神经网络,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度,有效的预测并及时避免了GPRS网络拥塞。仿真结果表明,本文方法的信元失真率优于传统方法。在接收端的图像去噪中,将模糊Hopfield神经网络应用于间接自校正滤波器设计、提出用一阶Taylor逼近神经元输出作为参数估计的方法。得到了较满意的滤波结果,表明使用模糊Hopfield网络极点配置自校正控制方法的滤波器设计有较好的实用性。