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。  

基于遗传算法的模糊系统优化设计方法

提出了一种带有混合变长编码和模糊变异算子的新型模糊遗传算法，并钭其应用到模糊系统的优化设计中。仿真结构表明，这种方法具有即使系统缺乏任何先验知识，也能通过评价学习，遗传优化获得满足系统动态性能的优化控制规则的特点。  

模糊控制系统近年来的研究与发展

主要总结了近年来模糊控制系统的研究与发展，介绍了最近模糊控制系统研究的一些主要方面及研究成果，分析了它们的优缺点，并探讨了这一研究领域的研究趋向。  

用模糊模型在线辨识非线性系统

讨论用模糊方法实现非线性系统在线辨识问题.首先给出了简化的模糊规则表达 方法及其相应的自适应模糊推理,在此基础上给出了模糊模型参数在线辨识算法.最后对 非线性模型进行在线辨识,验证了本文提出的模糊模型及其在线辨识算法.  

离散模糊系统分析与设计的模糊Lyapunov方法

研究离散T-S模糊控制系统基于模糊Lyapunov函数的稳定性分析及控制器设计问 题.首先,构造出离散型模糊Lyapunov函数,模糊Lyapunov函数是系数与T-S模糊系统的模糊 规则权重相对应的复合型Lyapunov函数.然后,得到了开环系统新的稳定性充分条件,与公共 Lyapunov方法的结果相比,这一条件更为宽松.进而,基于一系列线性矩阵不等式设计出模糊 控制器.最后,仿真实例说明了该方法的算法和本文条件的优越性.  

CAI课件的综合评价研究

利用模糊神经网络提出了CAI课件综合评价的建模方法，给出了CAI课件的综合评价指标体系。讨论了怎样使用综合评价方法获得综合评价的最终结果。  

自适应模糊控制理论的研究综述

针对近10年来自适应模糊控制的主要研究成果,从模糊系统、模糊控制、稳定性、模糊逼近和神经网络等方面较详细地概括与分析了自适应模糊控制理论的研究与进展,特别是在Lyapunov稳定性理论下,基于模糊模型的自适应模糊控制与鲁棒控制、滑模控制等传统方法的结合与互补为非线性系统建模与控制提供了强有力的工具.最后对自适应模糊控制新的研究方向进行了展望,模糊建模与自适应控制的研究具有重要的理论和实际意义.  

典型T-S模糊系统是通用逼近器

研究的多输入单输出T－S模糊系统采用输入变量的线性函数作为规则后件，称为典型T－S模糊系统，在每个输入变量的模糊子集满足一致性以及隶属函数连续且分段可微的条件下，证明了典型T－S模糊系统是通和逼近器，以此为基础，提出当典型T－S模糊系统采用BP算法进行在线学习时，可以仅调节规则后件的参数，而同时仍然能够确保通用逼所性。  

模糊规则的学习及其在非线性系统建模中的应用

探讨用神经网络的学习算法及模糊推理方法为非线性系统建模的问题.给出了学 习模糊规则的新算法.这个算法首先用竞争学习为训练样本的输入空间进行聚类,然后为其 确定区域划分边界,并按样本输入区域学习模糊规则.文中对于模糊规则提出了相应的模糊 推理算法.并用算例验证了本文算法的有效性.  

规则摄动时模糊蕴涵算子对模糊推理的鲁棒性的影响

列举了模糊规则发生摄动的常见情形，建立了一般性的模糊推理算法对规则摄动的鲁棒性的概念；就多重、链式和多维模糊推理情形，重点研究了一般性的模糊蕴涵算子对几个重要的模糊推理算法的这种鲁棒性的影响，并分别给出了相应的充分必要条件；初步尝试了通过一定的摄动制约来改善这种鲁棒性；同时指出了很多现有的模糊蕴涵算子使得所讨论的这些推理算法拥有好的鲁棒性，此时，即使规则中的隶属度有适度的粗糙或摄动，推理仍是可行的、安全的．文中工作对模糊系统的分析、模糊蕴涵算子的选择以及规则获取过程有一定的指导意义．