基于模糊神经网络的专家系统及应用

专家系统前景广阔，但其进一步发展必须引入其他先进技术，神经网络和模糊系统是解决知识获和经验性知识的不确定性等传统专家系统的“瓶颈”问题的全新途径。     

一种基于模糊神经网络的专家系统推理的方法

本文以船舶自动控制装置减摇鳍为例,提出了一种基于模糊神经网络的故障诊断专家系统的推理方法,充分利用模糊逻辑在处理不确定性知识和神经网络在模拟推理,自动学习,并行处理等方面的优势,以克服传统专家系统推理机的不足。     

基于模糊神经网络的导弹故障诊断专家系统

为了实现对导弹测发控系统的故障诊断,研究了模糊神经网络理论与算法,以及和专家系统的结合方式;综合神经网络、专家系统和模糊逻辑的各自优点和特点,提出了构建基于模糊神经网络的故障诊断专家系统的基本原则,并给出了一种构建方法;通过将传统的专家系统技术与模糊神经网络技术相融合,文中构造了某型导弹测发控系统智能故障诊断系统,验证了方案的可行性,为类似系统的进一步实现进行了有益的探索。     

模糊神经网络推理的实时故障诊断专家系统

将模糊神经网络推理引入专家系统,采用修正的RLS算法训练网络的权系数,以此开发了模糊神经网络实时故障诊断专家系统,并将其成功应用于某化工厂大型PTA装置。文章介绍了系统的总体结构和主要特点,并以溶剂脱水塔釜水浓度高事件为例阐述了系统的具体实现。现场运行表明:该系统预报准确,界面友好,能满足工厂的实际需求,具有良好的易维护性和可扩充性。     

基于模糊神经网络的单兵装备效能评估专家系统

本文提出了一种客观评价单兵装备效能的方法,在模糊神经网络算法的基础上开发了一套专家系统。对测得的样本数据进行实验分析,证明此系统具有推理效率及准确性较高的特点。     

基于神经网络的专家系统可视化研究

文章介绍了神经网络专家系统的基本概念及其特点，进而提出了基于神经网络技术的专家系统的可视化方案。     

基于BP神经网络模型的电机故障诊断专家系统

针对传统机械设备故障诊断专家系统存在知识获取能力弱、求解有一定局限性等问题，介绍了BP神经网络旋转机械故障诊断专家系统，对单位BP算法，BP神经网络的建立、训练及应用作了具体说明。该系统学习效率高，故障诊断准确，已成功应用于铁路机车走行部的轮对电机在线故障诊断。     

一个基于神经网络的专家系统

医疗专家系统主要使用基于知识的技术，其中的决策规则和策略来自于人类的专家。把这些知识和各种推理方法结合，可以建立一个模拟专家决策过程的系统。建立这样一个系统，需要经常与专家磋商，以获取专家的知识，因而需要大量的时间和精力。为此，本文提出直接从数据中提取有效的信息，即用神经网络提取隐含在大量数据中对医疗诊断有效的信息，继之与基于规则的知识，各种推理方法相结合，建立一个神经网络专家系统。     

基于图卷积神经网络的家具推荐方法

协同过滤是大数据推荐系统的重要算法之一,为提高家具推荐效果,文章首先介绍了协同过滤的经典算法,其次对基于图卷积的推荐算法进行梳理并改进,基于收集到的数据集构建了模型,最后选取其他协同过滤经典算法与之进行对比和分析。实验结果表明：相较于基于物品的协同过滤算法模型、基于用户的协同过滤算法模型,基于图卷积的协同过滤算法模型在评价指标上有更好的表现,更适合应用于家具推荐。     

基于神经网络的专家系统体系结构

本文分析了传统专家系统存在的主要问题,阐述了神经网络专家系统的基本原理,并给出其模块结构。     

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。     

基于改进神经网络的PID整定

针对常规PID控制器对于复杂的、动态的和不确定的系统控制还存在着许多不足之处,提出一种基于模糊RBF神经网络的PID自适应控制方法。首先用改进的模糊K一均值聚类算法初始化RBF神经网络的隐层节点中心和基函数宽度,再采用梯度法优化RBF神经网络自适应地整定PID的三个参数。仿真结果表明该学习算法的实用性和有效性。     

基于模糊神经网络的管道缺陷识别方法研究

基于模糊运算和人工神经网络在模式识别中的应用,分别对两种模式识别方法的基本原理及其在管道无损检测中的应用进行了分析。通过建立管道缺陷识别试验,根据检测信号选取适当的参数,分别用这两种方法对不同类型的缺陷进行识别。结合识别结果对其进行比较与总结,证明了两种识别方法的有效性,为识别方法的选择与应用提供了理论依据。     

专家神经网络的构造研究

专家神经网络是由专家系统产生出的事件驱动无环路神经对象网络。这些神经对象处理信息的非线性复合函数比正常的神经网络结点处理器更复杂。本文研究了无环路网络的ＢＰ学习算法,这一算法将传统ＢＰ算法与专家神经网络特征结合起来,提供了一种获取知识的方法。     

神经网络在导弹故障诊断专家系统中的应用

介绍了基于BP神经网络的导弹故障诊断专家系统的主要实现方法，详细讨论了该专家系统的知识库设计、知识表示及样本选择，以及神经网络推理机的关键实现技术，最后结合某型导弹故障诊断特点给出仿真试验，证明将神经网络应用至专家系统中诊断快速、准确率高，具备较强的实用价值。     

基于神经网络的汉语文法分析专家系统的设计

本文提出了一种基于神经网络的汉语文法分析专家系统的设计方案。知识库采用产生式规则的知识表达方式，并将知识二元化存储在神经网络中。推理机采用神经网络进行推理。在论文的结尾给出了系统的运行实例，说明了该系统的有效性。     

FNN在欺骗检测中的应用研究

欺骗检测(DD)的不确定性是由于检测中具有暧昧和不严密性。在实验中,通过构建一个不确定的模型发现(MUDD)而且选择模糊-神经网络分类器预测欺骗。该模型与传统的机器学问题模型相比较,较好地实现了以经验为主、以欺骗数据测试收集为目的不确定性问题的检测。而且,该模型具有有较好的可理解性、稳定性和可信度。     

基于模糊神经网络的移动机器人沿墙导航控制

移动机器人沿墙导航控制包含了追踪和避障两种情况,是移动机器人研究中的常见问题。它是指机器人在一定方向上沿墙运动,或者更一般意义上的沿着物体轮廓运动,并与墙保持一定距离。移动机器人利用声纳采集机器人与墙体的距离和角度信息,通过模糊神经网络将输入数据进行融合,从而判断移动机器人的位姿信息,输出左右轮速度控制其动作。实验证明此方法可以有效地保证移动机器人在安全距离内沿墙体运动。对比采用模糊神经网络前后的实验,采用后的移动机器人沿墙导航控制轨迹优于采用前,均方误差大大减小。     

基于改进的模糊C均值的BP分类器设计

提出了一种基于改进模糊C均值的BP神经网络分类器的设计,通过改进的模糊C均值算法对大量的数据进行聚类划分,然后设计BP神经网络对划分后的数据进行训练和测试,最后由计算机进行综合判断.试验证明该分类器是有效的,可以对高速公路车辆的车型进行迅速判别.