关于具有不同基函数的标准模糊系统逼近问题的研究

在标准模糊系统的基础上建立了正规二次多项式和正规三角函数为基函数的两类新模糊系统, 进而提出了以正规三角形函数为基函数的标准模糊系统与所提出模糊系统的比较问题. 通过采用数值分析中的余项与辅助函数方法, 对上述三类模糊系统进行了误差精度的分析, 对所建立的两个新模糊系统首次给出了从单输入单输出到多输入单输出的误差界公式. 同时, 对它们的逼近误差精度进行了比较分析, 指出了三类模糊系统的优劣. 最后, 通过算例验证了上述理论结果的正确性.     

径向基函数网络的功能分析与应用的研究

径向基函数网络与BP网络在网络结构上都属于前向网络,但它们对网络权值训练所采用的算法是完全不同的。另外,径向基函数网络的网络结构与模糊系统有很紧密的关联。该文从径向基函数网络的结构入手,分别对其所具有的特点、权值训练、网络设计方法及其应用等方面,通过分析与实例,采用对比的方式,给予实验的验证。     

一种径向基函数神经网络生成模糊系统的方法研究

如何建立合适的模糊规则.是模糊系统设计的关键和难点。传统的方法是依靠统计分析或经验建立模糊规则库[lJ,不仅难度大,而且建立的模糊系统缺乏适应能力。人工神经网络(ANN)技术的发展为模糊规则的自动获取提供了一条新途径.许多学者研究ANN与模糊系统的融合问题,其主要目的就是利用ANN的学习能力和自适应能力,从样本中提取模糊规则.形成具有自适应能力的模糊系统。尽管利用多层前馈网获取模糊规则口     

基于广义模糊基函数的多变量模糊模型及其辨识方法

利用模糊穴位映射理论，提出一种有效描述复杂多变量系统的模糊模型－－广义模糊基函数展开式，它可方便地处理多输入多输出系统的语言和系统信息，并可逼近任意非线性函数，是一种通用的多变量模糊逻辑系统模型。利用语言信息，提出一种新的自适应参数辨识方法－－改进的Ｗｉｄｒｏｗ－Ｈｏｆｆ学习规则，仿真结果验证了它的有效性。     

自适应B样条模糊神经网络控制器的设计

B样条具有最小局部支撑和易于实现的优点。文章利用多变量B样条网络在运算表达式上与模糊神经网络结构之间的对等关系,并通过对其权值的训练,设计出自适应B样条模糊神经网络控制器。应用于具有严重非线性摩擦力影响的速度跟踪系统的仿真实验表明,所设计的控制器完全等价于模糊神经网络控制器,同时在计算量和实现上具有明显的优势。     

基于RBF辨识的模糊神经网络控制器的设计与实现

随着众多新型模糊神经网络被提出，针对模糊神经网络具有的典型特点，即需要对输入输出数据范围进行转化和处理，所涉及到的对量化因子和比例因子的实时调节问题，该文提出一种优化方案。其依据神经网络具有的自学习能力，通过增加模糊神经网络的层数，提出一种包含对量化因子和比例因子调节的改进型模糊神经网络，以减少系统的辅助优化环节。同时，引入辨识性能较好的径向基函数神经网络（RBF）为系统提供精确的Jacobian信息，取代常规的近似做法。最后结合实例仿真证明了该优化方案的合理性。     

一种改进的RBF网络结构及其参数的设计方法

针对神经网络在学习之后,模糊系统的原始结构被改变,或削弱了规则可解释性这一模糊系统突出特点的问题,给出了一种提取模糊If-then规则的径向基函数(RBF)神经网络结构。该神经网络结构具有能够同时清晰表达模糊控制系统输入空间划分和模糊规则可解释性的特点,克服了以往用神经网络提取模糊规则不能直观体现模糊语言规则可解释性的不足,并详细地讨论了此网络结构参数的设计方法。     

一种新型的神经网络在工业加热炉中的应用

针对工业控制过程中较为常见的一种控制过程—电加热炉的炉温控制,采用了一种基于模糊基函数的模糊神经网络控制器,并给出了应用于此模糊神经网络的自学习算法。最后,将该模糊神经网络控制器应用于实际的工业加热炉炉温控制系统中。应用结果表明,该控制方案可改善具有时变及大滞后的炉温控制系统,特别是对于一些缺乏先验知识的实际工业控制过程,该控制策略具有良好的控制效果。     

一种基于RBF网络提取模糊规则的算法实现

径向基函数网络和模糊推理系统在一些柔和的情况下具有等价的功能,因此可以利用神经网络的学习算法来调节模糊系统的参数,学习后的模糊系统具有自学习和自组织性,但是削弱了模糊系统的可解释性。将模糊逻辑推理与神经网络控制技术相结合,分析了一种改进的径向基函数(RBF)神经网络结构,这种模糊神经网络结构能够有效地表达模糊系统可解释性这一突出特点,也使模糊系统具有了较好的自学习和自组织能力、通过VC 实现了基于这种RBF网络结构提取模糊规则的算法,并进行了仿真实验,仿真结果表明该算法是比较有效的。     

FNN在数据库模糊查询中的研究

提出了一种基于模糊神经网络对数据库模糊查询的新方法,将模糊理论、模糊神经网络与数据库系统相结合。利用FNN直接生成隶属函数,来完成模糊查询,避免了直接指定隶属函数所带来的主观性,并能较好地反映数据的特征。     

模糊神经网络用于SARS疫情系统的辨识和预报

提出了模糊神经网络用于SARS疾病疫情非线性系统建模和预报的思想,该方法可以推广到各种流行性疾病的预防和控制中。模糊神经网络主要应用于非线性系统的建模、预报和控制,特别适合于不同输入类型的模型系统。而流行性疾病的传播规律与模糊神经网络模型特点相符合,这里提出将模糊神经网络用于SARS疾病疫情非线性系统的辩识和预报的观点,相应的也可推演到其它流行性疾病传播规律中。     

模糊神经网络在非线性短期负荷预测中的应用

为提高负荷预测精度,提出了一种新的4层模糊神经网络短期负荷预测模型.该模型将模糊逻辑和神经网络的长处融合在一起,使模糊推理和解模糊均通过神经网络来实现.选取的隶属函数使神经网络权值有一定的知识表示意义,并通过模糊化层将输入特征量转化为模糊量.在模糊推理层提出了两种不同的算法来完成模糊推理,然后从中确定出模糊取小算法预测效果更好.最后在输出层通过适当的解模糊得到确切的预测输出值.仿真结果表明了该方法的有效性.     

模糊神经网络技术综述

首先讨论了模糊神经网络协作体的产生和优越性，随后将模糊神经网络划分为狭义模糊神经网络、用模糊逻辑增强网络功能的神经网络和神经模糊系统，并分别介绍了各自的网络结构和学习算法，最后介绍了模糊神经网络的工业应用．     

模糊滑模控制研究综述

本文介绍了90年代以来将模糊逻辑和滑模控制相结合的研究工作,着重描述了模糊控制和滑模控制的相似性、启发式模糊滑模控制、直接和间接自适应模糊滑模控制、模糊神经网络在滑模控制中的应用等方面的原理和方法,分析了它们的特点和联系,本文最后还展望了这一领域的研究方向.     

模糊逻辑控制器的模糊神经网络实现

模糊逻辑是人脑思维活动的基本方式，而神经网络则是模仿人脑神经系统功能而设计的一类巨型非线性网络。所以将模糊逻辑与神经网络相结合具有很大的前途。本文利用模糊神经元突破了没有计算机就不能实现模糊控制的传统观点，给出了一种不用计算机就能实现的模糊神经网络控制器，对模糊控制的硬件实现起到积极的作用。     

Type-1 and type-2 fuzzy inference systems as integration methods in modular neural networks for multimodal biometry and its optimization with genetic algorithms

We describe in this paper a comparative study between fuzzy inference systems as methods of integration in modular neural networks for multimodal biometry. These methods of integration are based on techniques of type-1 fuzzy logic and type-2 fuzzy logic. Also, the fuzzy systems are optimized with simple genetic algorithms with the goal of having optimized versions of both types of fuzzy systems. First, we considered the use of type-1 fuzzy logic and later the approach with type-2 fuzzy logic. The fuzzy systems were developed using genetic algorithms to handle fuzzy inference systems with different membership functions, like the triangular, trapezoidal and Gaussian; since these algorithms can generate fuzzy systems automatically. Then the response integration of the modular neural network was tested with the optimized fuzzy systems of integration. The comparative study of the type-1 and type-2 fuzzy inference systems was made to observe the behavior of the two different integration methods for modular neural networks for multimodal biometry.     

模糊神经网络用于SARS疾病疫情非线性系统的辨识和预报

论文提出了模糊神经网络用于SARS疾病疫情非线性系统建模和预报的思想,同时该方法可以推广到各种流行性疾病的预防和控制中。模糊神经网络是近年来发展起来的新兴学科,它主要应用于非线性系统的建模、预报和控制,特别适合于不同输入类型的模型系统。而流行性疾病的传播规律较好地与模糊神经网络模型特点相符合,所以在这里提出用模糊神经网络用于SARS疾病疫情非线性系统的辩识和预报的观点,相应的也可推演到其它流行性疾病传播规律中。