模糊神经网络在变压器故障诊断中的应用

介绍了一种模糊神经网络，它利用神经网络强大的知识获取和模式分类能力以及模糊理论能有效处理不确定因素的特点，来解决变压器故障诊断中的复杂性和模糊性问题，从而提高诊断精度。     

适应型模糊神经网络在视觉辨识系统中的应用

本文构筑的适应型模糊神经网络模型实现了神经网络的学习训练能力，模糊逻辑系统的“仿人”推理功能以及匹配寻踪的适应性技术的结合。以其对具有不确定性特征的机器视觉目标图像进行辨识处理，取得良好效果。     

基于区间二型模糊神经网络的高分辨率遥感影像分割方法

高分辨率遥感影像同质区域地物目标异质性增大,光谱测度空间复杂性增加使像素类属的不确定性以及分割决策不确定性增大,引起分割精度下降。提出一种基于区间二型模糊神经网络的高分辨率遥感影像监督分割方法。对同质区域构建一型高斯隶属函数模型刻画像素类属的不确定性;模糊化高斯隶属函数参数构建区间二型模糊模型处理分割决策的不确定性;以训练样本在所有类别中的一型模糊隶属度及上、下隶属度为输入,建立模糊神经网络模型并融入像素邻域关系作为模糊决策。采用文中算法、FCM方法、HMRF-FCM及区间二型模糊神经网络方法分别对合成影像及真实高分辨遥感影像进行分割,定性与定量的对比分析验证了文中算法具有更高的分割精度。      

模糊神经网络的交叉研究

介绍模糊神经网络交叉的基础与途径，从基于神经网络的模糊逻辑系统和用模糊逻辑增强的的神经网络两个方面介绍了模糊神经网络交叉研究的具体实现，最后指出模糊神经网络交叉的未来方向。     

基于模糊神经网络系统的智能小车避障

智能小车把超声波传感器和红外传感器相结合来感知外界环境的信息,并按照一定的规则来调整小车的方位角和速度,实现智能小车的自主导航和避障。模糊神经网络作为人工智能的分支,兼具模糊逻辑系统和神经网络各自的优点,具有表达和处理确定的信息、模糊信息的能力和良好的学习能力等特点。把模糊逻辑系统和神经网络结合起来,运用到智能小车避障的自适应控制中,并且使用一种多层前馈型神经网络即BP神经网络在模糊神经系统中解决神经网络的权系数优化问题。     

模糊神经网络PID在三容水箱中的应用

现代工业生产过程日益复杂,采用先进的控制算法对生产进行控制,以提高生产控制水平,提高生产质量及效率.通过对工业过程控制中典型对象——三容水箱的液位控制分析,提出将模糊控制与神经网络结合的智能模糊神经网络PID控制.仿真结果表明该控制方法比传统PID控制具有调节时间短、超调量小、鲁棒性强的优点.该控制方法集中了模糊控制和神经网络控制的优点,自学习能力及模糊信息处理能力都具有一定优势,更能适应现代工业控制的需要.     

适应型模糊神经网络在视觉辩识系统中的应用

本文构筑的适应型模糊神经网络模型实现了神经网络的学习训练能力、模糊逻辑系统的仿人推理功能以及匹配寻踪的适应性技术的结合。以其对具有不确定性特征的机器视觉目标图像进行辨识处理,取得良好效果。     

基于神经网络的模糊认知图的演化研究

提出一种基于神经网络的模糊认知图的演化模型，利用神经网络的高度非线性映射能力和演化算法的全局寻优能力克服了的模糊认知图部分缺陷，增强了系统的知识表达和推理的能力。     

基于模糊神经网的决策树生成

数据挖掘技术能从大量数据中挖掘和发现有价值和隐含的知识,因而得到广泛的研究和应用。提出了一种基于五层模糊神经网络的决策树生成方法：首先运用五层模糊神经网络学习变量间的模糊映射关系。然后从中生成模糊决策树。这种方法利用了五层模糊神经网络学习的模糊映射强度,并能实现模糊决策树的剪枝优化,提高了算法的正确率和效率。     

基于模糊——神经网络混合系统的图象分割方法

本文提出了一种基于模糊-神经网络混合系统(FNNHS)的图象分割方法。它可以利用人的经验知识和神经网络从样本数据中学习知识的能力,得到性能良好的模糊规则,并且可以通过神经网络结构实现模糊推理。分割过程由基于区域生长的预分割和基于FNNHS的区域合并两步构成。实验表明,该方法用于复杂图象分割具有很好的效果。     

基于模糊—神经网络混合系统的图象分割方法

本文提出了一种基于模糊－神经网络混合系统的图象分割方法。它可以利用人的经验知识和神经人样本数据中学习知识的能力，得到性能良好的模糊规则，并且可以通过神经网络结构实现模糊推理。     

模糊神经网络在汽车变速器故障诊断中的应用

本文提出了一种基于模糊神经网络的车辆变速器故障诊断方法,介绍了该方法的原理、结构及其实现算法。将该诊断方法运用到某汽车变速器轴承的故障诊断中,建立了基于模糊神经网络的变速器轴承故障诊断模型。该诊断模型通过模糊神经网络的双向模糊联想,对输入的故障征兆进行模式识别。通过实验表日月,该诊断方法对各种故障模式具有较高的识别率,并具有较强的泛化能力,是一种较好的故障诊断研究方法。     

模糊神经网络在客户信用评级中的应用研究

应用模糊理论的解释能力及神经网络自组织、自学习、自适应等的优点组建模糊神经网络模型，用于商业银行企业客户的信用风险评级，在组织网络时采用结构替代型神经网络，很好地将模糊系统与神经网络融合到一起，并产生模糊规则，训练结果表明系统误差小。     

神经模糊卡尔曼滤波器的设计研究

提出一种将模糊逻辑和神经网络与卡尔曼滤波器有机融合为一体的信息融合方法，该方法既体现了模糊逻辑用语言来进行知识表达的特点，也融合了神经网络的自学习性和自适应性，其中自适应性的体现则是利用了神经网络的BP算法．仿真证明了神经模糊卡尔曼滤波优于常规卡尔曼滤波。     

智能控制的模糊神经网络技术的研究现状与前景展望

本文从模糊系统与神经网络作为逢应用模型无关估计器时智能特性的研究、模糊控制器的神经网络实现技术及神经网络学习的模糊视网络技术等方面，详细地介绍了目前关于智能控制的模糊神经网络技术的研究现状，同时亦融入了作者关于此课题的一些思想，并对模糊神经网络的研究趋势进行了简单预测。     

基于模糊网络的天波雷达作战效能评估北大核心CSCD

为克服传统天波超视距雷达作战效能评估技术的局限性,提高天波雷达作战效能评估可信度,提出了基于模糊神经网络的作战效能评估模型。该模型将神经网络、专家系统、模糊推理等技术有机结合,既能处理模糊知识,又能进行自学习,克服了人为因素和模糊随机性对评估结果的不良影响。仿真结果表明,评估结果更为合理可信,并具有良好的鲁棒性。该模型可为天波超视距雷达的研制、改进、优化部署和作战使用提供辅助决策依据。     

基于模糊神经网络的红外图像边缘提取算法

针对现有图像边缘提取算法存在的噪声平滑能力与边缘精确定位之间的矛盾,以及红外图像自身信噪比低、视觉效果模糊和对比度差等缺陷,利用模糊神经网络的学习、自适应和模糊处理等优点,提出了一种基于模糊神经网络的红外图像边缘提取方法。计算各像素点8个方向的基本梯度、左关联梯度和右关联梯度,并将其组成梯度数组,把8个方向的梯度数组作为模糊神经网络的输入信号,通过学习和模糊处理最终可获得相对精确的红外图像边缘。实验结果表明,该方法抗噪能力强,边缘保留完整且为单像素宽,在处理红外图像边缘提取上要优于其他算法。     

模糊神经网络的研究现状及发展前景

本文介绍了模糊神经网络的基本概念,以及９０年代在模糊神经网络发展中取得的重要研究成果,并且预测了这门新兴技术在未来诸多领域中的应用剪影。     

基于遗传算法的模糊神经网络控制技术研究

提出了一种基于去模糊优化的模糊神经网络控制器及模糊神经网络的遗传学习算法.利用遗传算法优化包含控制器性能的指标来离线寻找最优的模糊神经网络控制器结构和参数,经过遗传算法训练的模糊神经网络控制器被接入模糊神经网络智能控制系统中.仿真结果表明,利用此方法实现的控制,系统的控制精度高,超调量小,鲁棒性能很强,获得了良好的控制效果.     

多字体字符识别的模糊神经网络模型

提出了一种用于多字体字符识别的模糊神经网络模型．通过对一个３ 层ＭＬＰ的输入层、输出层以及学习算法的模糊化,构造出能有效处理具有模糊边界的模式分类问题的模糊神经网络．经过大量实际采样多字体字符样本的测试表明,该模型能对字体字符识别取得很高的识别率,对加噪字符的识别试验还表明该模型具有较好的鲁棒性．