模糊神經(jīng)網(wǎng)絡(luò)就是模糊理論同神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物，它匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點(diǎn)，集學(xué)習(xí)、聯(lián)想、識(shí)別、信息處理于一體。

系統(tǒng)的復(fù)雜性與所要求的精確性之間存在尖銳矛盾，為此，通過模擬人類學(xué)習(xí)和自適應(yīng)能力，人們提出了智能控制的思想。控制理論專家Austrom（1991）在IFAC 大會(huì)上指出：模糊邏輯控制、神經(jīng)網(wǎng)絡(luò)與專家控制是三種典型的智能控制方法。通常專家系統(tǒng)建立在專家經(jīng)驗(yàn)上，并非建立在工業(yè)過程所產(chǎn)生的操作數(shù)據(jù)上，且一般復(fù)雜系統(tǒng)所具有的不精確性、不確定性就算領(lǐng)域?qū)＜乙埠茈y把握，這使建立專家系統(tǒng)非常困難。而模糊邏輯和神經(jīng)網(wǎng)絡(luò)作為兩種典型的智能控制方法，各有優(yōu)缺，模糊邏輯與神經(jīng)網(wǎng)絡(luò)的融合———模糊神經(jīng)網(wǎng)絡(luò)（Fuzzy Neural Network）由于吸取了模糊邏輯和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)， 部分避免了兩者的缺點(diǎn)， 已經(jīng)成為當(dāng)今智能控制研究的熱點(diǎn)之一

模糊邏輯（FL）、神經(jīng)網(wǎng)絡(luò)理論（NN）、遺傳算法（GA）、隨機(jī)推理（PR）， 以及置信網(wǎng)絡(luò)、混沌理論和部分學(xué)習(xí)理論相融合，形成了一種協(xié)作體，這種融合并非雜亂無章地將模糊邏輯、神經(jīng)網(wǎng)絡(luò)和遺傳算法等進(jìn)行拼湊，而是通過各種方法解決本領(lǐng)域的問題并相互取長(zhǎng)補(bǔ)短，從而形成了各種方法的協(xié)作。從這個(gè)意義上講，各種方法是互補(bǔ)的， 而不是競(jìng)爭(zhēng)的。在協(xié)作體中， 各種方法起著不同的作用。通過這種協(xié)作，產(chǎn)生了混合智能系統(tǒng)。模糊邏輯和神經(jīng)網(wǎng)絡(luò)都是重要的智能控制方法，將模糊邏輯和神經(jīng)網(wǎng)絡(luò)這兩種軟計(jì)算方法相結(jié)合， 取長(zhǎng)補(bǔ)短， 形成一種協(xié)作體———模糊神經(jīng)網(wǎng)絡(luò)。

RTT作為網(wǎng)絡(luò)擁塞控制的重要參數(shù)，能對(duì)網(wǎng)絡(luò)所發(fā)生的擁塞作出較早的反映。文獻(xiàn)［1］根據(jù)求得的RTT估計(jì)值，提出一種RTT驅(qū)動(dòng)的擁塞控制算法，此算法在實(shí)時(shí)性和網(wǎng)絡(luò)狀態(tài)的震蕩抑制等方面，比基于丟包率的擁塞控制算法有明顯改善。

選取公式（1）來估計(jì)RTT的值：

RTTn+1=RTTn+gE （E=RTTm-RTTn） （1）

其中RTTm為當(dāng)前所測(cè)得的RTT值；RTTn為上一探測(cè)包的平均RTT估值，g∈（0，1］。不同網(wǎng)絡(luò)或同一網(wǎng)絡(luò)的不同時(shí)段對(duì)g的選取有很大影響。文獻(xiàn)［2］針對(duì)可靠組播傳輸，提出了一種基于主動(dòng)式網(wǎng)絡(luò)的往返行程時(shí)間估算策略，可靠組播協(xié)議借助這一策略可以有效地減少網(wǎng)絡(luò)中不必要的控制信息，根據(jù)網(wǎng)絡(luò)環(huán)境可以及時(shí)準(zhǔn)確地確定進(jìn)入網(wǎng)絡(luò)的數(shù)據(jù)包速率，從而提高整個(gè)組播組的吞吐量。RTT預(yù)測(cè)研究目前是一個(gè)熱點(diǎn)問題，對(duì)RTT進(jìn)行精確預(yù)測(cè)很有意義。文獻(xiàn)［3］采用基于波形平滑指數(shù)和波形突變指數(shù)的滑動(dòng)窗口加權(quán)平均RTT估計(jì)算法，對(duì)RTT值進(jìn)行平滑估計(jì)。利用神經(jīng)網(wǎng)絡(luò)對(duì)RTT進(jìn)行了預(yù)測(cè)，達(dá)到了較好的效果。但這僅限于網(wǎng)絡(luò)比較空閑的狀態(tài)下。利用算術(shù)平均濾波和BP網(wǎng)絡(luò)相結(jié)合的辦法，對(duì)RTT進(jìn)行預(yù)測(cè)，在網(wǎng)絡(luò)較擁塞的情況下，預(yù)測(cè)結(jié)果不太理想。這是由于RTT誤差值隨著網(wǎng)絡(luò)負(fù)荷加重時(shí)也會(huì)增加，因?yàn)殛?duì)列延時(shí)和延時(shí)的抖動(dòng)都會(huì)隨著網(wǎng)絡(luò)擁塞程度加重而明顯增加。另外，在網(wǎng)絡(luò)擁塞時(shí)會(huì)導(dǎo)致數(shù)據(jù)包或ACK包丟失，這些都會(huì)導(dǎo)致估計(jì)RTT的難度增加并且估計(jì)出的RTT值也不準(zhǔn)確，出現(xiàn)一些波動(dòng)，導(dǎo)致網(wǎng)絡(luò)有時(shí)出現(xiàn)訓(xùn)練失控狀態(tài)。所以本文采用了低通濾波和MBP網(wǎng)絡(luò)相結(jié)合的預(yù)測(cè)策略。本文主要分析了RTT的特性，發(fā)現(xiàn)其有很強(qiáng)的高頻噪聲，采用低通濾波和MBP網(wǎng)絡(luò)相結(jié)合的RTT預(yù)測(cè)策略。實(shí)驗(yàn)表明，即使在網(wǎng)絡(luò)狀況較忙的情況下，也能獲得很好的預(yù)測(cè)結(jié)果。

網(wǎng)絡(luò)環(huán)境和網(wǎng)絡(luò)設(shè)備的性能對(duì)數(shù)據(jù)吞吐量影響很大，致使網(wǎng)絡(luò)上的數(shù)據(jù)具有較強(qiáng)的隨機(jī)性，常常表現(xiàn)為短期的高頻噪聲。由于網(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)之間的通信數(shù)據(jù)流可以有很多的路徑到達(dá)，如果每個(gè)數(shù)據(jù)包所流經(jīng)的路徑不同， RTT就可能不同；另一方面，即使每個(gè)數(shù)據(jù)包是經(jīng)由相同的路徑到達(dá)目的節(jié)點(diǎn)，但是由于這個(gè)路徑中的網(wǎng)絡(luò)設(shè)備是網(wǎng)絡(luò)共享的，在不同的數(shù)據(jù)包通過時(shí)網(wǎng)絡(luò)設(shè)備所承擔(dān)的數(shù)據(jù)傳送任務(wù)也不會(huì)相同，這就導(dǎo)致RTT也可能不相同，相關(guān)研究結(jié)果的準(zhǔn)確性會(huì)受到這種短期噪聲導(dǎo)致的隨機(jī)性影響。

網(wǎng)絡(luò)狀況和網(wǎng)絡(luò)設(shè)備性能在較長(zhǎng)期內(nèi)的參數(shù)是相對(duì)穩(wěn)定的。由于網(wǎng)絡(luò)數(shù)據(jù)是在隨機(jī)和穩(wěn)定這兩種因素的共同制約下產(chǎn)生的，所以濾波對(duì)于研究網(wǎng)絡(luò)數(shù)據(jù)是必不可少的，因?yàn)榇藭r(shí)我們主要關(guān)注的是網(wǎng)絡(luò)節(jié)點(diǎn)的群體行為給予網(wǎng)絡(luò)數(shù)據(jù)的規(guī)律性。

低通滑動(dòng)濾波算法的思想為：取a為（0，1）之間的數(shù)據(jù)，則：

本次濾波結(jié)果=（1-a）&TImes;本次采樣值+a&TImes;上次濾波結(jié)果。它的優(yōu)點(diǎn)在于對(duì)周期性的干擾具有很好的抑制作用，適用于波動(dòng)頻率較高的場(chǎng)合。選取a=0.05。

RTT的測(cè)試實(shí)驗(yàn)是在校園網(wǎng)上進(jìn)行的。源節(jié)點(diǎn)和反饋節(jié)點(diǎn)分別位于天津職業(yè)技術(shù)師范大學(xué)和天津工業(yè)大學(xué)。在實(shí)驗(yàn)中，每隔100ms就發(fā)送200個(gè)10bytes大小的TCP數(shù)據(jù)包，然后記錄發(fā)送時(shí)間和接收返回結(jié)果的時(shí)間，并計(jì)算它們的差值，差值就是RTT。