基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

模糊复集合与模糊复数

本文引入了模糊复集合与模糊复数的基本概念,并且讨论了它们的若干基本性质。     

基于模糊结构元的一阶模糊微分方程

研究了一阶单参数模糊微分方程和一阶微分方程模糊初值问题,利用刻画方程的解与刻画参数的关系给出了模糊微分方程解的存在条件,并利用模糊分析学的模糊结构元表述理论,给出了一阶模糊微分方程解的模糊结构元表达形式.     

用模糊矩阵刻划模糊关系的方法研究

首先介绍了模糊矩阵的概念及其运算法则,分析了模糊矩阵运算与模糊关系运算之间的关系,得出它们的代数结构空间是同构的．接着给出了模糊逆矩阵的定义,研究了模糊逆矩阵的存在性定理及其计算方法,该方法将对求解模糊关系方程有帮助．     

模糊排序中的面积模糊度

本文针对国内外文献中关于模糊度定义上的缺陷,给出一个比较完整的定义,并提出一种面积模糊度来测量模糊数的模糊程度。这种面积模糊度比国内外常用的模糊度Ｓｈａｎｎｏｎ 熵和反贴近度等,易于计算,而且对模糊数模糊程度的测量更为“合理”,是研究模糊排序的有力工具。     

基于不确定性分析的模糊故障树的模糊数选择

在分析故障树顶事件的概率不确定性的来源和传递性的基础上，阐述了模糊故障树中用模糊数表征事件模糊性的方法，并利用模糊集合模糊度的概念从模糊不确定性的角度出发就常用的模糊数类型的选择进行了分析。     

最优模糊反馈控制系统和模糊状态观察器

在文献「１」和「２」中，曾对模糊系统的优化方法作了讨论，但都是针地开环而言，直至目前，带有反馈控制的模糊系统其优化问题尚未深入研究。本文应用模糊关系方程求介方法提供一类模糊状态观察器的设计途径，并由作者在「２」中的提出的模糊动态规划方法，最科得到了最优模糊反馈的结构和算法，给出了如何借助系统输出的模糊信息，通过状态反馈实现最优控制的一种方法，结果可作为在模糊反馈系统中实现最优控制的一个数学模型，并     

模糊向量空间Vn的模糊变换

是文献「１」的继续。较系统地研究了模糊向量空间Ｖｎ的模糊变换。     

双模与模糊双模

引入了模糊双模概念，讨论了模糊双模的性质，建立了模同态映射下模糊双模之间的对应定理。     

模糊积分定义的模糊测度

利用［３］中的一种模糊积分定义了一种模糊测度，并讨论其性质及收敛性。     

基于模糊神经网络的模式识别方法

讨论了3种模糊神经元和由其构成的模糊神经网络的基本原理及其学习和自适应机制,针对模糊模式识别问题,建立了一种基于BP学习算法的模糊神经网络模式识别系统,该系统兼有模糊逻辑控制和神经网络两种技术的优点,提高了模糊模式识别的准确性。     

基于T-S逻辑的新型模糊神经网络模型

模糊神经网络是神经网络与模糊逻辑系统的有机结合,具有强大的自学习和自整定功能.针对目前模糊逻辑与神经网络技术在融合中存在的问题,根据模糊逻辑与神经网络的本质和内在联系,提出了一种新型的结构优化的模糊神经网络,用模糊系统理论中的Stone-W eirstrass定理证明了该网络能以任意精度逼近任意一个定义在致密集上的实连续函数.仿真实验表明该网络模型算法是可行且有效的.     

模糊神经网络及其在智能控制中的应用

本介绍了一门新兴学科——模糊神经网络，给出了其在智能控制中的几种应用，指出了今后研究中有待解决的许多问题，并对模糊神经网络将来的发展与应用作了展望。     

小波网络与模糊网络的一种融合策略

介绍了一种将模糊神经网络理论与小波神经网络技术相结合的计算方法,即小波模糊网络(waveletfuzzy net,WFN)。在充分认识小波神经网络(wavelet neural net,WNN)重要作用的基础上,将高木-管野模糊模型引入小波网络,在不增加小波基函数的前提下提高了网络逼近函数的精度。该计算方法在机器人等领域有广泛的应用价值。     

模糊神经网络系统的设计与应用研究

把模糊逻辑系统与神经网络相结合,形成结构像神经网络,功能似模糊逻辑系统的模糊神经网络系统,该系统具备了模糊逻辑系统和神经网络的优点,克服了单个系统的不足。再结合误差反向传递学习算法（BP算法）,调整模型参数及权值。最后应用模糊神经网络系统解决实际问题,经过若干次学习训练,使系统达到稳定,通过仿真结果可看出;将所设计的模糊神经网络系统应用在WTI原油价格预测中具有可行性与有效性。     

基于模糊神经网络的混凝土裂缝成因挖掘

将模糊神经网络的数据挖掘方法运用到混凝土结构裂缝成因分析中,首先通过模糊化过程对连续数据离散化,然后运用模糊神经网络训练监测数据,找出隐藏规则。同时,通过属性约简使模糊神经网络的结构得以化简。结合某重力拱坝实测资料,分析了基于模糊神经网络方法挖掘混凝土坝裂缝产生的主要成因的可行性。     

轴承故障的模糊聚类方法

介绍了模糊聚类方法的原理及FCM算法，并将它应用于少故障类别的轴承故障诊断，取得了良好的效果，与神经网络方法相比，模糊聚类方法的实现只需少量样本，克服了神经网络方法需要大量样本来实现的瓶颈．     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

神经网络自适应模糊IDSS系统研究

提出了采用神经网线络与模糊控制相结合的方法来设计自适应ＩＤＳＳ。阐述了神经网络控制器的设计原则及其算法，给出了神经网络自适应ＩＤＳＳ的总体设计和系统结构。     

材料性能的模糊神经网络建模

利用模糊神经网络直接从实验数据中提取规则,进行材料性能建模与预测,作为应用示例,建立了基本成分和组织参数的灰铁预测模型。与多元统计分析、模糊回归和广义回归网络所得的结果相比,该方法所得的模型具有学习精度高,且具有更好的泛化能力。