自适应模糊辨识及其在大系统中的应用*

本文基于Ｔ－Ｓ模糊模型构造了一种新的自适应模糊神经网络，给出了网络诉连接结构物学习算法，它能自动学习和修正前件参数及模糊规则，将其用于大系统随机民递阶优化的控制建模中，仿真结果表明，该方法具有收敛速度快，辨识精度高、泛化能力强等特点，可当作复杂大系统建模的一种有效手段。     

并行遗传算法在弧岛模型上的设计和分析

本文探讨了遗传算法的并行化原理；给出了并行遗传算法弧岛模型上的具体实现方法；分析和比较了用串行遗传算法和并行遗传算法求解ＴＳＰ的实验结果，获得了接近线性的加速比，最后讨论了相关参数对实验结果的影响。     

实现并行搜索和符号逻辑算法的高阶的二维时态—竞争激励神经网络方法

本文提出并行搜索和规划算法，以及实现它们的高阶二维时态－竞争激励神经网络。这种网络还能实现基于传统符号逻辑的许多问题求解算法，本文的方法克服了通常的神经网络求解优化问题的缺陷，同时，也避免了符号逻辑算法的串行性及符号逻辑Ｓｙｓｔｏｌｉｃ结构复杂性等问题，给出了求解隐式图搜索、ＬＣＳ问题、ＴＳＰ问题及０－１背包的实例。     

铅锌烧结过程智能集成优化控制技术

针对复杂的铅锌烧结过程。提出了基于神经网络和模糊专家规则模型的自学习模糊专家控制方法进行状态参数优化，基于神经网络模型的模糊C均值聚类搜索混沌遗传算法进行综合指标参数优化．智能集成优化控制技术具有高效性和实用性，有效地抑制了工况波动，提高了烧结矿产量和质量，取得了较好的工业控制效果．     

基于遗传算法的网络入侵检测方法研究

针对目前大多数入侵检测系统存在的局限性,依据通用入侵检测框架提出了一种利用遗传算法的入侵检测模型,分析了入侵模糊特征、模糊神经网络的学习优化问题。给出了此模型中模糊神经网络模块的训练算法。仿真实验结果表明该检测算法可以有效地进行入侵检测,检测效率达到92%以上。     

一种自适应模糊系统

采用模糊计算与神经计算相结合的方法，本文提出一各自适应模糊系统模型－－ＡＦＳ。ＡＦＳ采用前向神经网络来实现模糊推理规则，运用模型一致矩阵方法实现动态自适应以及最大关联隶属原则执行模型决策，最后通过若干实便以ＡＦＳ的性能。     

基于聚类和遗传算法的解释性模糊模型设计

提出了一种基于模糊聚类和遗传算法构建解释性模糊模型的设计方法。定义了模糊模型的精确性指标，给出了模糊模型解释性的必要条件。然后利用模糊聚类算法和最小二乘法辨识初始的模糊模型；采用多目标遗传算法优化模糊模型；为提高模型的解释性，在遗传算法中利用基于相似性的模糊集合和模糊规则的简化方法对模型进行约简。采用该方法对Mackey-Glass系统进行建模，仿真结果验证了该方法的有效性。     

实现并行搜索和符号逻辑算法的高阶二维时态－竞争激励神经网络方法

本文提出并行搜索和规划算法，以及实现它们的高阶二维时态－竟争激励神经网络．这种网络还能实现基于传统符号逻辑的许多问题求解算法．本文的方法克服了通常的神经网络求解优化问题的缺陷．同时，也避免了符号逻辑算法的串行性及符号逻辑Ｓｙｓｔｏｌｉｃ结构复杂性等问题．给出了求解隐式图搜索、ＬＣＳ问题、ＴＳＰ问题及０－１背包问题的实例．     

一种基于ETSK模糊模型的模糊控制算法

基于扩张原理的ＴＳＫ模型（ＥＴＳＫ模型）,推导出一种ＥＴＳＫ模型的等价表达形式（变权ＴＳＫ模型）。该模型将规则后件中的模糊数及其扩展运算转化为普通数的运算。进而给出一种基于ＥＴＳＫ模型的模糊控制算法（ＭＢＦＣ）。仿真结果表明,该算法具有较好的控制效果。     

基于HGA的模糊神经控制器设计及其应用

将神经网络与模糊控制相结合,实现了模糊控制器的自学习和自适应。给出一种基于递阶遗传算法的模糊神经网络优化算法,通过对每个染色体采用递阶编码,可以同时优化模糊神经网络结构和权值参数。将这种模糊神经网络控制器应用于镍氢电池的充电控制中,证明了算法的有效性。     

基于模糊神经网络的倒立摆控制系统

在分析模糊控制、神经网络控制的基础上，根据倒立摆的特点，提出了模糊神经网络的控制结构。使用了遗传算法和BP算法相结合的方式来优化模糊神经网络，并以固高公司的倒立摆做实验，对实验结果进行了深入的研究和分析。     

Designing genetic regulatory networks using fuzzy Petri nets approach

In this paper, we have successfully presented a fuzzy Petri net (FPN) model to design the genetic regulatory network. Based on the FPN model, an efficient algorithm is proposed to automatically reason about imprecise and fuzzy information. By using the reasoning algorithm for the FPN, we present an alternative approach that is more promising than the fuzzy logic. The proposed FPN approach offers more flexible reasoning capability because it is able to obtain results with fuzzy intervals rather than point values. In this paper, a novel model with a new concept of hidden fuzzy transition (HFT) to design the genetic regulatory network is developed. We have built the FPN model and classified the input data in terms of time point and obtained the output data, so the system can be viewed as the two-input and one output system. This method eliminates possible false predictions from the classical fuzzy model thereby allowing a wider search space for inferring regulatory relationship. The experimental results show the proposed approach is feasible and acceptable to design the genetic regulatory network and investigate the dynamical behaviors of gene network.     

模糊神经网络技术的新近发展

本文从模糊系统与神经网络作为自适应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，改善神经网络学习性能的模糊控制技术，面向对象的模糊神经网络开发平台的研究等方面介绍了模糊神经网络技术的研究现状，并针对目前的模糊逻辑，神经网络，子波变换，遗传算法等的集成化技术进行了探讨，并融入了作者关于定性与定量知识有机集成的柔性核理论的基本思想。     

基于FNN与GA相融合的数据挖掘方法研究

模糊神经网络即具有输入信号是模糊量的神经网络,是模糊系统与神经网络相结合的产物,汇聚了二者的优点;遗传算法是一种自适应全局优化概率搜索算法.研究了基于模糊神经网络与遗传算法相融合的一种算法,在应用模糊神经网络进行数据挖掘前,应用遗传算法完成隶属函数的训练,以便更好地进行模糊神经网络学习;经过模糊神经网络学习后,提取相关规则,再次应用遗传算法,进行规则剪枝,提高数据挖掘效率.实验表明,与传统方法相比,该方法能够更快速、更加准确地进行数据挖掘,提取更精确的推理规则.     

一种基于模糊加权型推理法的模糊神经网络

本文在Ｍａｍｄａｎｉ模糊推理法的基础上,给出了改进的模糊加权型推理法－广义模糊加权型推理法。     

基于TS模糊神经网络的Fuzzy规则自动获取研究

Fuzzy规则的获取一直是模糊智能系统的一个瓶颈。醉在深入研究TS模糊神经网络的物理意义的基础上,给出了使用遗传算法优化模糊规则集的算法并提出了从训练后的TS模糊神经网络中抽取Fuzzy规则的可操作方法。分析和实验证明,这种方法可以实现且是有效的,对于Fuzzy规则自动获取的研究具有积极的借鉴意义。     

An investigation into the application of neural networks,fuzzy logic,genetic algorithms,and rough sets to automated knowledge acquisition for classification problems

This paper presents some highlights in the application of neural networks, fuzzy logic, genetic algorithms, and rough sets to automated knowledge acquisition. These techniques are capable of dealing with inexact and imprecise problem domains and have been demonstrated to be useful in the solution of classification problems. It addresses the issue of the application of appropriate evaluation criteria such as rule base accuracy and comprehensibility for new knowledge acquisition techniques. An empirical study is then described in which three approaches to knowledge acquisition are investigated. The first approach combines neural networks and fuzzy logic, the second, genetic algorithms and fuzzy logic, and in the third a rough sets approach has been examined, and compared. In this study neural network and genetic algorithm fuzzy rule induction systems have been developed and applied to three classification problems. Rule induction software based on rough sets theory was also used to generate and test rule bases for the same data. A comparison of these approaches with the C4.5 inductive algorithm was also carried out. Our research to date indicates that, based on the evaluation criteria used, the genetic/fuzzy approach compares more than favourably with the neuro/fuzzy and rough set approaches. On the data sets used the genetic algorithm system displays a higher accuracy of classification and rule base comprehensibility than the C4.5 inductive algorithm.     

基于FNN与GA相融合的数据挖掘方法研究

模糊神经网络即具有输入信号是模糊量的神经网络,是模糊系统与神经网络相结合的产物,汇聚了二者的优点;遗传算法是一种自适应全局优化概率搜索算法。研究了基于模糊神经网络与遗传算法相融合的一种算法,在应用模糊神经网络进行数据挖掘前,应用遗传算法完成隶属函数的训练,以便更好地进行模糊神经网络学习;经过模糊神经网络学习后,提取相关规则,再次应用遗传算法,进行规则剪枝,提高数据挖掘效率。实验表明,与传统方法相比,该方法能够更快速、更加准确地进行数据挖掘,提取更精确的推理规则。     

结合遗传算法和设禁搜索求解可重构制造系统的生产计划问题

针对可重构制造系统的生产计划问题提出了一种采用遗传算法与设禁搜索相结合的 方法.文中将该类问题用含有模糊数的整数规划问题进行建模,算法采用遗传算法作为算法的 框架结构,将设禁搜索和模糊规则结合在种子的变异过程之中.通过数学仿真,可以得到一个很 满意的结果.     

基于模糊控制及遗传算法的人工免疫入侵检测算法

针对反向选择算法在面对大量的网络通信数据或具有多个分离特征区间网络通信数据时的无效性,提出了基于模糊控制及遗传算法的人工免疫入侵检测算法,利用模糊控制原理对抗体进行浓缩,并通过遗传算法进化种群,从而使得抗体的数量得到控制且检测效率较高.