一种基于NFCS形态的模糊神经网络的学习算法

神经网络与模糊逻辑协同系统（NFCS）是神经网络与模型系统深度融合的一种形态，传统的BP算法也可作为NFCS的学习算法，但收敛性能不佳，针对NFCS形态的模糊神经网络提出了BP算法的一种新的改进算法（NFCS－BP），即在误差传播时不仅改变网络的连接权值，同时也改变模糊逻辑神经元模型的补偿参数，首先介绍了NFCS的协同机制和典型结构，然后详细推导了改进算法的迭代公式，实践证明，与传统BP算法相比，该算法具有收敛性能好，函数逼近精度高的优点。     

一种推广的模糊神经网络及学习算法

本文采用广义模糊神经网络实现分段建模的思想，给出了一种广义ｋ－均值聚类算法，该算法对同时确定模糊规则的个数和相应的参数，仿真结果表明该算法可行和有效性。     

一种模糊神经网络的快速参数学习算法

提出了一种新的模糊神经网络的快速参数学习算法, 采用一些特殊的处理, 可以用递推最小二乘法(RLS)来调整所有的参数. 以前的学习算法在调整模糊隶属度函数的中心和宽度的时候, 用的是梯度下降法, 具有容易陷入局部最小值点、收敛速度慢等缺点, 而本算法则可以克服这些缺点, 最后通过仿真验证了算法的有效性.     

一种基于改进T-S模糊推理的模糊神经网络学习算法

针对模糊神经网络学习算法计算量过大,在预测模型设计中提出了基于改进T-S模糊推理的模糊神经网络学习算法。主要工作如下:首先,改进T-S模糊推理方法,定义基于偏移率的T-s模糊推理方法;然后,通过将此模糊推理方法与基于合成规则的模糊推理方法及距离型模糊推理方法相比较可以看出,所提方法有较少的计算量,且比较有效;最后,在此基础上改善了模糊神经网络学习算法,并将其应用于天气预测与安全态势预测。测试结果表明,该方法明显改善了学习效率,减少了预测模型设计中的学习次数与时间复杂度,并降低了学习误差。     

模糊神经网络快速学习算法的研究

在分析模糊模型及相应模糊神经网络的基础上，提出一种快速学习算法－－择近学习算法，它公需对每个训练数据学习一次，就可得了较好的结果，因此，其效率非常高。在算法中还引进了置信度的概念，以提高学习结果的可靠性，择近学习算法特别适用于捕获表达各种变量之间的结果信息。仿真结果证实了算法的有效性。     

一种模糊规则动态调整BP算法中参数的方法

文中首先对标准的ＢＰ算法进行了分析。然后在此基础上提出了通过模糊规则推理动态调整学习率和动量因子的改进的方法，并通过模糊推理系统实现了ＢＰ算法的模糊控制。最后通过实例将该算法与标准ＢＰ算法和Ｖｏｇｌ改进的算法进行了比较，实验结果表明通过模糊推理来改善神经网络的ＢＰ算法性能是一种很有前途的方法。     

最大-乘积模糊联想记忆的神经网络学习算法

在模糊系统中,从某种意义上说,乘积关系编码可以比最小关系编码保留更多的信息。提出了最大乘积模糊联想记忆的一种新的神经网络学习算法,并给出了严格的理论证明。该算法能够将多个模糊模式对可靠地编码存储到尽可能少的连接权矩阵中,从而大大地减少存储空间,而且容易实现,并举例验证了它的有效性。     

随机模糊神经网络的参数学习算法

在输入和输出信号均有噪声污染的情况下,提出随机模糊逻辑神经网络系统及其参数学习算法,给出了参数学习公式;仿真计算表明本文所提出的算法的有效性,它明显优于没有考虑噪声的模糊逻辑神经网络系统。     

一种补偿递归模糊神经网络及其学习算法

文中在系统研究各种模糊神经网络的基础上,通过在传统的模糊神经网络中引入递归环节和补偿环节,提出了一种新型的补偿递归模糊神经网络(CRFNN)。在此基础上,进一步提出了一种序贯学习策略对网络进行结构辨识,可有效确定模糊规则的条数及相关参数的初始值。文中还针对CRFNN的特点,通过改进BP算法,对CRFNN网络的结构参数进行学习。通过对典型非线性系统的建模计算,结果表明:文中的CRFNN具有优良的动态响应特性和很强的学习能力。     

一种改进的神经网络BP算法程序设计

本文对ＢＰ网络算法进行了改进，并结合该算法进行了程序设计。实际应用结果表明，所设计的程序具有较好的性能。     

工控可视化用户工具的设计与实现

本文详细介绍了用于工业过程控制监控级的组态软件中图形组态的功能分析、软件设计、具体实现和实际运用。实现后的图形组态具有可视化交互工的友好界面，简单易学，操作方便，功能齐全，适合我国中小型企业使用的二级集散式控制系统工业控制流程图的绘制与实现。     

一种基于模糊神经网络的机床运动控制决策模型

本文提出了一种基于模糊神经网络的机床运动控制决策模型,对其功能、结构、训练算法等进行了深入的讨论,仿真结果表明,这个模型具有良好的决策性能,文中对这个模型存在的问题及其应用前景也作了简略的介绍。     

Micro—UIDT：用户界面的开发工具

本文将介绍用户界面的开发工具:Micro-UIDT。该系统为用户界面的设计者提供交互式设计环境,所提供的进行用户界面设计的设计语言为一种非过程、图示语言。其中,进行用户界面的人-机对话控制部分的设计使用了状态转换图说明技术;而对应用数据显示部分的描述则通过直接作图和定义对该图的控制同应用数据间的关系来实现。Micro-UIDT还可将使用上述图示语言设计的用户界面变换为C语言处理程序。     

神经网络的混沌运动与控制

本文采用一种由混沌神经元构成的联想记忆神经网络．以混沌神经网络为基础,研究其非线 性动力学特性、混沌吸引子轨迹以及对初始条件的敏感性, 实现混沌神经网络的动态联想记 忆功能．在网络输入发生较大变异情况下所发生的失忆,本文采用时空系统混沌控制的钉扎 反馈方法,使网络恢复记忆．上述研究通过对异步电动机故障的动态记忆和恢复控制的仿真 实验得到证实．本文研究结果表明,在国内外对神经网络混沌控制研究的热点中,时空系统 的钉扎反馈控制是一种值得推荐的方法;神经网络的混沌控制扩大了网络的容错性,进而提 高了混沌神经网络的实用性,这将在复杂模式识别,图象处理等工程上具有广阔的应用前景 ．     

异构环境下多媒体电子邮件用户代理的设计与实现

用户代理的多媒体化是建立多媒体电子邮件系统的关键。本文对文本邮件系统分层模型进行了扩充，提出了在异构环境中以演示模式为基础的邮件转换方法，描述了一个能进行有效时空合成和同步操作的多媒体信息模型。最后，基于上述邮件转换方法和信息模型，我们给出了多媒体用户代理ＴＨ－ＵＡ的详细设计和实现方案。     

模糊控制推理ASIC

模糊逻辑控制（ＦＬＣ）对于复杂的难定义的控制过程，具有简单而有效等许多优越性。近年来已越来越多也得到工业界的重视。本文提出一种模糊控制推理的ＡＳＩＣ方法，具有简单，灵活性和可扩充性特点，然后介绍一个基于ＦＰＧＡ的实验系统ＦＣＩＳ原型。     

轻量级服务契约自动生成工具的设计与实现

基于契约先行的开发方式,设计并实现一种轻量级的服务契约自动生成工具.该工具可以充分降低基于WSDL服务契约开发的难度,得到内容详尽且符合标准的服务契约.解决契约先行开发方式中无法单独进行服务契约设计的问题,为整个SOA的进一步开发奠定了良好的基础.     

基于Takagi—Sugeno的再励学习模糊神经网络控制

提出一种模糊神经网络的自适应控制方案。针对连续空间的复杂学习任务，提出了一种竞争式Takagi—Sugeno模糊再励学习网络，该网络结构集成了Takagi-Sugeno模糊推理系统和基于动作的评价值函数的再励学习方法。相应地，提出了一种优化学习算法，其把竞争式Takagi-Sugeno模糊再励学习网络训练成为一种所谓的Takagi-Sugeno模糊变结构控制器。以一级倒立摆控制系统为例．仿真研究表明所提出的学习算法在性能上优于其它的再励学习算法。     

An intelligent method to block e-mail bombs

It is hard to block e-mail bombs because they are usually sent by normal SMTP (Simple Mail Transfer Protocol) applications with fake mail sender addresses and IP addresses. Fortunately, original network packets contain real IP address information anyway. Collecting and analyzing these packet contents can help an administrator to realize where the e-mail bombs are coming from and block them. This article presents a simple method that uses a bandwidth manager device to collect and analyze packets to get e-mail bombs information as well as to block e-mail bomb source IP addresses in routers. In practical application experiences at the computer center in a university, this method blocked e-mail bombs simply and effectively. Furthermore, a fuzzy inference system was also designed to help identify e-mail bombs. Its fuzzy membership functions could be adapted using the fuzzy neural network learning method. In brief, the proposed method affords an automatic and adaptable alarm to find e-mail bombs.