基于自适应神经模糊推理系统的噪声消除方法

针对信号处理领域噪声消除的实际问题,提出了一种基于模糊推理的自适应神经网络控制方法.通过自适应神经模糊推理系统(ANFIS)对非线性系统的结构和参数进行辨识与自学习,采用混合学习算法,对前向参数和结论参数分别辨识,在提高精度的同时可加快训练收敛的速度,使控制系统具有良好动静态性和鲁棒性,实现了消除通信系统中噪声的目标,最后对基于ANFIS的噪声消除系统进行了建模和仿真,并与自适应神经网络滤波方法的结果对比,其结果证明了该方法的有效性.     

基于自适应神经网络滤波的噪声消除

设计的自适应神经网络噪声抵消系统不需要关于输入信号的先验知识,非线性映射能力强,具有自学习能力、计算量小、实时性好。利用该系统对含噪声的非线性信号建模,达到消除噪声的目的。通过LMS算法,对不同信噪比(SNR)的含噪信号进行滤波。仿真结果表明,该滤波器能有效地抑制噪声。     

基于协同进化微粒群算法的神经网络自适应噪声消除系统

在分析前向神经网络结构的基础上,定义了一个与随机数对应的布尔向量,实现了前向神经网络的网络结构与权值联合编码;将网络结构参数作为协同进化微粒群算法子群的划分标志,构造了一种用于神经网络进化设计的协同进化微粒群算法,实现了神经网络的结构和权值协同自适应进化设计,应用于神经网络噪声消除系统,取得了比较好的效果。     

消除耳机噪声的自适应逆控制

通过自适应逆控制方法，使得耳机的噪声消除得到进一步的改善。     

自适应模糊神经网络控制器设计的线性化方法

基于Ｔ－Ｓ模糊推理系统模型构造一个简化形式的Ｆｕｚｚｙ神经网络（ＦＮＮ），应用Ｓｔｏｎｅ－Ｗｅｉｅｒｓｔｒａｓｓ逼近定理证明了这种ＦＮＮ网络对非线性连续函数的全局逼近性质，并利用Ｃｌａｒｋｅ一步加权最优预报控制性能指标及前向ＦＮＮ网络辨识器模型的线性化思想，提出一种间接Ｆｕｚｚｙ神经网络自适应控制算法，仿真结果证实了该算法的有效性。     

基于GA的ANFIS在自适应噪声消除中的应用

介绍了应用基于GA的ANFIS的自适应噪声消除的方法,阐述了基本思想和算法实现过程。神经网络采用五层的ANFIS网络结构,采用自适应GA对模糊规则前件部分的隶属函数参数进行训练,避免了原有BP算法极易陷入局部最优的缺点,可获得全局最优解,用BP算法来调节和优化具有局部性的推理规则结论部分的权值。应用结果表明了该方法的有效性,收敛速度更快、误差更小,滤波率达到了预期要求。     

基于GA的ANFIS在自适应噪声消除中的应用

介绍了应用基于GA的ANFIS的自适应噪声消除的方法，阐述了基本思想和算法实现过程。神经网络采用五层的ANFIS网络结构，采用自适应GA对模糊规则前件部分的隶属函数参数进行训练，避免了原有BP算法极易陷入局部最优的缺点，可获得全局最优解，用BP算法来调节和优化具有局部性的推理规则结论部分的权值。应用结果表明了该方法的有效性，收敛速度更快、误差更小，滤波率达到了预期要求。     

神经网络自适应噪声对消器仿真

介绍一种新颖的非线性自适应滤波器——自适应神经网络滤波器。由于神经网络具有学习非线性函数到任意的精度以及自适应能力，这种滤波器优于线性滤波器，能适应各种噪声环境。在自适应ＬＭＳ算法基础上，提出了在线ＢＰ训练算法、收敛速度快。最后以自适应噪声对消系统为例，进行了计算机仿真，结果显示了这种滤波器的良好性能     

基于MATLAB神经模糊的自适应噪声消除

介绍了MATLAB语言及其模糊逻辑工具箱，分析了神经模糊系统建模的方法，并对自适应噪声消除进行了建模与仿真，对非线性、复杂对象的模糊控制具有一定的指导作用。     

基于自适应模糊神经网络的多传感器噪声抵消器

针对同一噪声源的多传感信号，采用自适应模糊神经网络系统(AFNNS)设计自适应噪声抵消器．采用AFNNS获取多路信息融合的权系数和自适应噪声抵消器的系数，基于AFNNS的自适应噪声抵消器不仅能获取信号的最佳估计，并且能克服模型和噪声存在的不确定性和不完备性．仿真结果表明，该自适应噪声抵消器的设计方法简单易行，去噪声效果优于基于平均法的去噪效果．     

基于BP神经网络和模糊推理系统的短时交通流预测

本文研究短时交通流预测。短时交通流预测是智能交通系统研究和实践的必要基础。本文提出和建立了一个短时交通流量预测模型,该模型利用一个基于规则的模糊系统,非线性地组合BP 神经网络模型和自适应卡尔曼滤波模型的交通流量预测结果,使得短时交通流量的预测结果更加准确可靠。该模型将传统方法和人工智能方法有机结合,一方面,利用人工神经网络强大的动态非线性映射能力,从而提高预测精度;另一方面,充分发挥卡尔曼滤波的静态线性稳定性,解决了单独使用BP神经网络进行预测时识别率不理想和可信度不高的问题。实验结果表明,本文提出的短时交通流预测模型具有较高的准确度和可靠度。     

基于SOM规则自动生成的模糊神经网络模型

1 引言模糊系统建模一般将经过系统结构辨识和系统参数估计两个阶段。在辨识阶段,主要决定输入变量及其相互关系、模糊规则数、输入输出空间划分和系统参数的初值;在估计阶段,主要用来调整系统参数以使得系统的输出与目标输出的差值尽可能小。对于系统参数估计阶段的参数调整,人们已提出一些自动方法。对于系统结构辨识阶段,也产生了如模板法、聚类法和决策树法等,但这些方法一般都需要人工干预。其中模糊规则的生成与调整以及隶属度函数的选取是系统结构辨识阶段的主要问题,文提出了用神经网络自动生成模糊规则并进行隶属度形状调整,从而构成模糊神经网络。Wang提出自动分割输入空间的方法,Lin提出三阶段学习算法的模糊神经网络。     

A Cascaded Fuzzy Inference System for Indian river water quality prediction

Now-a-days, Fuzzy Inference System (FIS) is considered as an effective tool for solution of many complex engineering systems when ambiguity and uncertainly is associated with the systems. Mamdani and Takagi, Sugeno and Kang (TSK) models poses simplicity in modeling but their system performance prediction capability is severely affected as complexity of the problem increases. In a multi-input, multi-output situation where a system consists of many subsystems and different outputs are desired from each subsystem, an improved version of FIS must be adopted rather than developing FIS for each subsystem. When dealing with such a system, it is prudent to use cascading systems rather than developing models for individual systems. To this end, a new Cascaded Mamdani Fuzzy Inference System is proposed in this paper and its performance is evaluated with the help of prediction of Indian River water quality index (WQI). In general, WQI value is a dimensionless number ranging from 0 to 100 (best quality) and plays an important role in evaluating the water quality of rivers. The proposed model is designed to predict WQI for five rivers in India. The cascaded fuzzy system simplifies and speeds up the computation of WQI as compared to the currently existing standards. In this paper, the proposed model is compared with three International water quality criteria and it is found that the designed model results in accurate prediction.     

Integration of Adaptive Neuro Fuzzy Inference Systems and principal component analysis for the control of tertiary scale formation on tinplate at a hot mill

Scale is highly detrimental to surface quality for tinplate products. There are a large number of process variables at a typical hot mill and principal component analysis is a well-known technique for reducing the number of process variables. This paper estimates the principal components associated with the hot mill process variables and puts these through an Adaptive Neuro Fuzzy Inference System (ANFIS) to find those hot mill running conditions that will minimise the amount of scale observed on the bottom of the rolled strip. It was found that the variation observed in all the hot mill process variables could be captured through the use of just six principal components, and that using just three of these in an ANFIS was sufficient to identify those operating conditions leading to coils being produced with a consistently low scale count. Specifically, it was found that the best operating conditions for the hot mill were when the first component was lower than −0.098 the second lower than 0.8058 and the third higher than −0.482. These ranges in turn corresponded to certain hot mill temperatures that depended to some extent on the base chemistry of the incoming slab.     

一种基于神经网络逆向推理机制的专家系统

本文提出了一种基于神经网络逆向推理机制的专家系统设计方案。论文研究了一种表达知识的二元产生式规则及其编码方法。通过编码，知识被存储在ANN中；基于ANN的知识库，论文设计了一种具有逆向推理机制的推理机。本文设计了一个原型系统，用于动物识别，经实验，取得较理想的效果，证明了该方法的有效性。     

—种基于自适应模糊神经网络的VSLMS算法及应用

本文设计了一种基于自适应模糊神经网络的变步长LMS算法，该算法采用了一种新的模糊控制规则．按照该规则改变LMS算法的步长。文章最后给出了非线性噪声抵消的仿真结果。     

基于T-S模糊模型的非线性噪声消除

噪声是影响系统辨识的不利因素,而实际系统不可避免的受到噪声的污染.对模糊推理系统在噪声消除中的应用进行了研究,提出了一种基于T-S模糊模型的模糊非线性噪声消除算法.说明了非线性噪声消除(NNC)的结构和使用NNC进行噪声抵消的原理.该方法由输入-输出数据对直接提取模糊规则,模糊规则的后件参数采用递推最小二乘法一次计算得出,然后从测量信号中消去噪声得到有用的信号.仿真结果表明模糊推理系统可以应用于噪声消除.     

Application of Fuzzy Neural Network to Fire Alarm System of High-rise Building

Fire alarm system is important in high-rise building. In this paper, a fire alarm system of high-rise building is designed using fuzzy system theory and neural network. The fuzzy system has superiority in inference and the neural network has superiority in learning. The design parameters of the fuzzy system can b~ adjusted automatically by combining the fuzzy system with the neural network. The contradiction between alarm sensitivity and false alarm rate is solved by intelligently monitoring of the temperature and aerosol, which are detected by temperature sensor and aerosol sensor in the system.     

基于模糊神经网络的脉冲噪声滤波器

针对一般模糊神经网络结构复杂、不利于硬件实现的问题,提出了一种基于Sugeno型模糊神经网络的新型脉冲噪声滤波器,该滤波器采用神经网络的结构设计,有利于噪声模式的检测,其内含于神经网络中的模糊推理机制不仅能够有效地滤除脉冲噪声,而且又不破坏图象的细节,该滤波器还采用能够获得全局解的遗传算法来对网络进行调整,初步研究表明,该模糊神经滤波器在滤除景物图象中的脉冲噪声方面,优于标准中值滤波器。