一种新的模糊规则提取方法

提出了一种新的模糊规则提取方法,该方法先采用基于山峰函数的减法聚类法自适应地确定初始的聚类中心,然后由此构造动态自组织神经网络进行学习,在学习的过程中可根据情况适当地合并或分裂神经元,并重构神经网络继续学习,最后按聚类中心确定模糊子集数目和隶属函数并形成模糊规则集.实验结果表明,通过网络结构和神经元的动态自适应变化能够获取样本集中的模糊信息,形成直观的模糊规则.     

基于优化模糊神经网络的CPI趋向预测

居民消费价格指数（CPI）,是管理层制定居民消费价格政策、工资政策、国民经济发展战略的重要科学依据。已有很多研究学者对CPI进行了大量的研究,并取得了许多成果。但是,过去的预测方法多数是用简单的神经网络方法进行的,很难获得完满的预测结果。针对存在的问题提出了用一种模糊规则自适应的学习算法,可根据具体问题的需要生成不同数目的模糊规则,并根据模糊规则来确定网络结构。在网络结构的确定上,由于不是随机生成,也无需反复实验,所以更具科学性。仿真实验结果表明：用该方法对居民消费价格指数的预测,具有更好的预测效果。     

一种用模糊－神经技术建造专家系统的方法

本文提出了一种用模糊－神经技术建造专家系统的方法（ＦＮＴ方法）。从领域专家处获取的知识是以模糊规则和隶属函数的形式表示的。根据本文提出的方法，首先将模糊规则和隶属函数用神经网络表示出来（导入）；生成的神经网络用于实现模糊推理，然后利用修改的反传算法训练神经网络，从而提高系统的精度，修改隶属函数，求精模糊规则；最后从神经网络中提取隶属函数和模糊规则（导出），帮助解释神经网络的内部表示和操作。利用本文所提出的方法建造的系统可实现快速的无匹配模糊推理，并具有较强的学习能力。     

一种基于神经网络的模糊推理方法研究

模糊系统设计中,模糊规则的建立是系统设计的瓶颈问题。针对这一问题,该文提出了一种用于监督神经网络自动生成模糊规则并实现模糊推理的方法。网络训练分为两个阶段,首先是结构学习,确定系统的规则总数和前提的有关参数;其次是参数学习,即调整权值,使系统输出接近理想输出。仿真实例证明使用该方法建立模糊系统具有较好的效果。     

一种基于神经网络的模糊方法研究

模糊系统设计中,模糊规则的建立是系统设计的瓶颈问题。针对这一问题,该文提出了一种用于监督神经网络自动生成模糊规则并实现模糊推理的方法。网络训练分为两个阶段,首先是结构学习,确定系统的规则总数和前提的有关参数;其次是参数学习,即调整权值,使系统输出接近理想输出。仿真实例证明使用该方法建立模糊系统具有较好的效果。     

基于模糊神经网络的发酵过程溶解氧预估控制

采用模糊逻辑学习算法建立Ｌ－异亮氨酸发酵溶解氧的模糊间接预估规则,并利用模糊神经网络实现这些规则。该网络经过学习能对模糊规则的隶属函数进行调整。仿真结果表明,按该模糊神经网络预估器进行预估控制,可节约发酵供氧能量,防止出现氧限制的情况,从而解决了常规控制难以解决的溶解氧控制问题。     

基于UKF的自适应模糊推理神经网络

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点。针对这一问题,本文提出了基于UKF的自适应模糊推理神经网络(UKF-ANFIS)。首先,通过减法聚类确定UKF-ANFIS的模糊规则及其高斯隶属函数的中心和宽度参数;其次,分析了模糊神经网络的非线性动力系统表示,并用LLS和UKF分别学习线性和非线性的参数;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则;最后,通过典型的函数逼近和系统辨识实例,表明本文算法得到的模糊神经网络的结构更为紧凑,泛化性能也更佳。     

一种基于Rough Sets和模糊神经网络的规则获取的方法

该文提出了一种基于RoughSets思想获取初始规则,并通过模糊神经网络优化,最后再进行简化获取模糊规则,及模糊系统参数学习的方法。并通过实例进行了自动列车运行系统仿真。文中还基于上述实例,将这种基于模糊神经网络的学习与控制方法与标准的BP网络和基本的模糊系统方法进行了比较,并总结了这种方法的特点。结论表明,该文所提出的模糊规则生成和模糊系统学习方法是行之有效的。     

一种用模糊—神经技术建造专家系统的方法

本文提出了一种用模糊－神经技术建造专家系统的方法。从领域专家处获取的知识是以模糊规则和隶属函数的形式表示的。根据本文提出的方法，首先将模糊规则和隶属函数用神经网络表示出来（导入）；生成的神经网络用于实现模糊推理，然后利用修改的反传算法训练神经网络，从而提高系统的精度，修改隶属函数，求精模糊规则；最后从神经网络中提取隶属函数和模糊规则（导入），帮助解释神经网络的内部表示和操作，利用本文所提出的方法建     

基于自适应直觉模糊推理的数据挖掘方法

针对数据挖掘问题,将直觉模糊集与神经网络理论相结合,提出一种新的方法。用自适应直觉模糊推理的方法来解决数据挖掘问题,该方法可以根据直觉模糊神经网络本身的自适应学习能力来调节网络参数,自动生成规则库。最后通过一个仿真实例证明了该方法的有效性。     

基于遗传算法的模糊神经网络股市建模与预测

提出一种基于模糊神经网络的股票市场建模与预测方法，并采用遗传算法训练网络权值及模糊子集的划分，对于上证指数及个股的建模与预测结果表明，该方法具有很强的学习与泛化能力，在处理诸如股票市场上这种具有一定程度不确定性的非互性的建模与预测方面有很发的价值。     

基于递阶遗传算法模糊加权神经网络的模糊规则自动获取

针对模糊规则的自动获取一直是模糊系统的一个瓶颈问题，提出一种基于递阶结构的混合编码遗传算法与进化规划相结合的模糊加权神经网络学习新算法，利用该算法同时优化模糊加权神经网络的结构和参数，最后说明了从网络中提取模糊规则的方法，从而自动获得最优的模糊规则。分析和实验结果表明，本文方法在规则提取和分类准确性等方面比其他方法更好。     

基于自适应神经元学习模糊控制规则

本文给出了利用自适应神经元学习、修改模糊控制规划的新方法，该方法可以学习与当前控制过程输出性能有关的在过去起作用的控制规划，可以随过程环境变化自动调整控制规划，以改善过程输出性能。     

基于局部线性聚类算法的模糊建模

提出了一种新的基于T-S模糊模型的建模方法，首先通过一种局部线性聚类算法，自适应确定模糊规则数目及初始T-S模型的前提和结论参数，建立相应的一阶T-S模糊神经网络．并用梯度下降和递推最小二乘混合算法训练网络参数，从而提高建模精度．最后，通过两个仿真实例验证了本文方法的有效性．     

一种自组织双模糊神经网络控制算法

针对传统模糊神经网络设计复杂、控制实时性滞后的问题,提出自组织双模糊神经网络算法。将样本数据进行聚类划分,形成原始的模糊隶属函数集;在神经网络的离线训练过程中,完善并优化模糊隶属函数和规则;采用双神经网络结构,在线工作时,一个神经网络完成在线学习任务,另一个神经网络完成工业控制任务;经过一定的系统周期,同步系统中两组神经网络的参数;提取完成控制任务的神经网络的输出作为算法的输出。应用于火箭发动机试验台控制系统中,表明算法能够提升控制系统中针对输入参数越界的鲁棒性,提高控制实时性,简化了模糊神经网络的设计复杂度。     

正负模糊规则系统、极限学习机与图像分类

传统的图像分类一般只利用了图像的正规则,忽略了负规则在图像分类中的作用。Nguyen将负规则引入图像分类,提出将正负模糊规则相结合形成正负模糊规则系统,并将其用于遥感图像和自然图像的分类。实验证明,其在图像分类过程中取得了很好的效果。他们提出的前馈神经网络模型在调整权值时利用了梯度下降法,由于步长选择不合理或陷入局部最优从而使训练速度受到了限制。极限学习机（ELM）是一种单隐层前馈神经网络（SLFN）学习算法,具有学习速度快,泛化性能好的优点。本文证明了极限学习机与正负模糊规则系统的实质是等价的,遂将其用于图像分类。实验结果说明了极限学习机能很好的利用正负模糊规则相结合的方法对图像进行分类,实验结果较为理想。     

Image restoration techniques based on fuzzy neural networks

By establishing some suitable partitions of input and output spaces, a novel fuzzy neural network (FNN) which is called selection type FNN is developed. Such a system is a multilayer feedforward neural network, which can be a universal approximator with maximum norm. Based on a family of fuzzy inference rules that are of real senses, a simple and useful inference type FNN is constructed. As a result, the fusion of selection type FNN and inference type FNN results in a novel filter-FNN filter. It is simple in structure. And also it is convenient to design the learning algorithm for structural parameters. Further, FNN filter can efficiently suppress impulse noise superimposed on image and preserve fine image structure, simultaneously. Some examples are simulated to confirm the advantages of FNN filter over other filters, such as median filter and adaptive weighted fuzzy mean (AWFM) filter and so on, in suppression of noises and preservation of image structure.     

基于模糊神经网络的植物生长建模

提出一种基于模糊神经网络的植物建模方法,将测量的植物生理数据作为模糊神经网络的输入,自动学习拟合植物器官生长函数,提取生长规则。由同化物驱动植物生长发育,对虚拟器官的属性进行修改,将生理部分的变化反馈到结构部分。当虚拟环境变化时,模型响应环境变化,自动调整生长函数的参数和生长规则,使植物趋向于有利生长环境。实验结果表明,该方法能够准确提取植物生长函数和生长规则,对植物生长进行逼真的模拟。