模糊神經網(wǎng)絡就是模糊理論同神經網(wǎng)絡相結合的產物，它匯集了神經網(wǎng)絡與模糊理論的優(yōu)點，集學習、聯(lián)想、識別、信息處理于一體。

系統(tǒng)的復雜性與所要求的精確性之間存在尖銳矛盾，為此，通過模擬人類學習和自適應能力，人們提出了智能控制的思想?？刂评碚搶＜褹ustrom（1991）在IFAC 大會上指出：模糊邏輯控制、神經網(wǎng)絡與專家控制是三種典型的智能控制方法。通常專家系統(tǒng)建立在專家經驗上，并非建立在工業(yè)過程所產生的操作數(shù)據(jù)上，且一般復雜系統(tǒng)所具有的不精確性、不確定性就算領域專家也很難把握，這使建立專家系統(tǒng)非常困難。而模糊邏輯和神經網(wǎng)絡作為兩種典型的智能控制方法，各有優(yōu)缺，模糊邏輯與神經網(wǎng)絡的融合———模糊神經網(wǎng)絡（Fuzzy Neural Network）由于吸取了模糊邏輯和神經網(wǎng)絡的優(yōu)點， 部分避免了兩者的缺點， 已經成為當今智能控制研究的熱點之一

模糊邏輯（FL）、神經網(wǎng)絡理論（NN）、遺傳算法（GA）、隨機推理（PR）， 以及置信網(wǎng)絡、混沌理論和部分學習理論相融合，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、神經網(wǎng)絡和遺傳算法等進行拼湊，而是通過各種方法解決本領域的問題并相互取長補短，從而形成了各種方法的協(xié)作。從這個意義上講，各種方法是互補的， 而不是競爭的。在協(xié)作體中， 各種方法起著不同的作用。通過這種協(xié)作，產生了混合智能系統(tǒng)。模糊邏輯和神經網(wǎng)絡都是重要的智能控制方法，將模糊邏輯和神經網(wǎng)絡這兩種軟計算方法相結合， 取長補短， 形成一種協(xié)作體———模糊神經網(wǎng)絡。

RTT作為網(wǎng)絡擁塞控制的重要參數(shù)，能對網(wǎng)絡所發(fā)生的擁塞作出較早的反映。文獻［1］根據(jù)求得的RTT估計值，提出一種RTT驅動的擁塞控制算法，此算法在實時性和網(wǎng)絡狀態(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RTT的值：

RTTn+1=RTTn+gE （E=RTTm-RTTn） （1）

其中RTTm為當前所測得的RTT值；RTTn為上一探測包的平均RTT估值，g∈（0，1］。不同網(wǎng)絡或同一網(wǎng)絡的不同時段對g的選取有很大影響。文獻［2］針對可靠組播傳輸，提出了一種基于主動式網(wǎng)絡的往返行程時間估算策略，可靠組播協(xié)議借助這一策略可以有效地減少網(wǎng)絡中不必要的控制信息，根據(jù)網(wǎng)絡環(huán)境可以及時準確地確定進入網(wǎng)絡的數(shù)據(jù)包速率，從而提高整個組播組的吞吐量。RTT預測研究目前是一個熱點問題，對RTT進行精確預測很有意義。文獻［3］采用基于波形平滑指數(shù)和波形突變指數(shù)的滑動窗口加權平均RTT估計算法，對RTT值進行平滑估計。利用神經網(wǎng)絡對RTT進行了預測，達到了較好的效果。但這僅限于網(wǎng)絡比較空閑的狀態(tài)下。利用算術平均濾波和BP網(wǎng)絡相結合的辦法，對RTT進行預測，在網(wǎng)絡較擁塞的情況下，預測結果不太理想。這是由于RTT誤差值隨著網(wǎng)絡負荷加重時也會增加，因為隊列延時和延時的抖動都會隨著網(wǎng)絡擁塞程度加重而明顯增加。另外，在網(wǎng)絡擁塞時會導致數(shù)據(jù)包或ACK包丟失，這些都會導致估計RTT的難度增加并且估計出的RTT值也不準確，出現(xiàn)一些波動，導致網(wǎng)絡有時出現(xiàn)訓練失控狀態(tài)。所以本文采用了低通濾波和MBP網(wǎng)絡相結合的預測策略。本文主要分析了RTT的特性，發(fā)現(xiàn)其有很強的高頻噪聲，采用低通濾波和MBP網(wǎng)絡相結合的RTT預測策略。實驗表明，即使在網(wǎng)絡狀況較忙的情況下，也能獲得很好的預測結果。

網(wǎng)絡環(huán)境和網(wǎng)絡設備的性能對數(shù)據(jù)吞吐量影響很大，致使網(wǎng)絡上的數(shù)據(jù)具有較強的隨機性，常常表現(xiàn)為短期的高頻噪聲。由于網(wǎng)絡中兩個節(jié)點之間的通信數(shù)據(jù)流可以有很多的路徑到達，如果每個數(shù)據(jù)包所流經的路徑不同， RTT就可能不同；另一方面，即使每個數(shù)據(jù)包是經由相同的路徑到達目的節(jié)點，但是由于這個路徑中的網(wǎng)絡設備是網(wǎng)絡共享的，在不同的數(shù)據(jù)包通過時網(wǎng)絡設備所承擔的數(shù)據(jù)傳送任務也不會相同，這就導致RTT也可能不相同，相關研究結果的準確性會受到這種短期噪聲導致的隨機性影響。

網(wǎng)絡狀況和網(wǎng)絡設備性能在較長期內的參數(shù)是相對穩(wěn)定的。由于網(wǎng)絡數(shù)據(jù)是在隨機和穩(wěn)定這兩種因素的共同制約下產生的，所以濾波對于研究網(wǎng)絡數(shù)據(jù)是必不可少的，因為此時我們主要關注的是網(wǎng)絡節(jié)點的群體行為給予網(wǎng)絡數(shù)據(jù)的規(guī)律性。

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

本次濾波結果=（1-a）&TImes;本次采樣值+a&TImes;上次濾波結果。它的優(yōu)點在于對周期性的干擾具有很好的抑制作用，適用于波動頻率較高的場合。選取a=0.05。

RTT的測試實驗是在校園網(wǎng)上進行的。源節(jié)點和反饋節(jié)點分別位于天津職業(yè)技術師范大學和天津工業(yè)大學。在實驗中，每隔100ms就發(fā)送200個10bytes大小的TCP數(shù)據(jù)包，然后記錄發(fā)送時間和接收返回結果的時間，并計算它們的差值，差值就是RTT。