基于模糊逻辑聚类神经网络算法的中长期负荷预测

电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。采用一种由模糊逻辑单元组成的聚类神经网络用于中长期负荷预测。利用模糊集理论中的模糊逻辑算子y1完成网络运算,提高了聚类神经网络的运算速度。虽然网络采用了竞争学习作为网络的学习算法,但是它克服了一般竞争学习算法固有的死点问题,使得历史数据的聚类分析中聚类中心初始点的选取有更大的随意性。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统的方法进行中长期负荷预测比较,结果表明该方法可以提高负荷预测的精度。     

英语单词形素探析

英语学习的困难之一就是单词的识记，而单词的构成有它内在的规律，只要抓住了这些规律，英语词汇的学习就变得比较容易。本文论述英语单词是由形体要素构成的，这些形素构成了英语字母有意义或无意义的单元。在学习英语的过程中，有意识地注意和分析这些形体单元，可以高效地识记大量的英语词汇。     

蕴函逻辑函数和蕴函逻辑门的研究

本文引出蕴函逻辑函数和蕴函逻辑门的新概念,利用蕴函逻辑门作为大规模数字集成电路的基本单元可以简化电路,减小电路的功耗。文中列举了采用蕴函门实现的各种基本逻辑电路,并简要叙述它们的优缺点。     

竞争冒险的计算机处理

用手工作业方法，发现与消除逻辑网络中的竞争冒险现象，现已不适应形势的需要。本文针对此，提出利用计算机自动发现与消除逻辑网络中的竞争冒险，从而提高逻辑网络的可靠性。文中提供的源程序业已调试成功。     

使用辅助信源测量阵开天线互阻抗

文中基于网络理论，提出了一种利用辅助信源测量阵列天线单元互阻抗的方法，从而可以避开理论形状复杂的单元间互耦所遇到的困难。该方法可以同时考虑平衡馈电器及馈线的影响，并适用于任意分布阵列天线，因而它更便于实际使用。计算机模拟结果表明了该方法的正确性。     

阵列信号部分自适应处理的一种迭代搜索算法

提出了一种简单的自适应单元选取迭代搜索算法，它可准最优地选取自适应单元完成阵元级部分自适应处理，其优点是系统性能改善显著，实现简单，运算量较小．计算机模拟结果验证了其有效性．文中关于自适应单元选取的结果，对部分自适应处理的设计有一定的参考价值     

竞争与动态合作学习聚类分析算法

从竞争与合作学习(CCL)算法的半合作机制出发,提出了基于自适应调节合作群体内种子学习率机制的竞争与动态合作学习(CDCL)聚类分析算法.该算法在保证所有种子以较高精度收敛性于各聚类中心的同时,可有效克服同类算法普遍存在的对种子初始分布敏感、收敛速度不稳定及无法适用于异构聚类分析等问题.混合高斯聚类分析与彩色图像分割实验结果验证了CDCL的有效性,且在复杂条件下其聚类分析性能远超出CCL及其他RPCL衍生算法.     

种子算法在网格剖分中的应用

网格生成技术在建模、工程分析等领域有着重要的意义．本文提出了一种任意多边形域的四边形有限元网格全自动生成方法．该方法可以生成全部四边形单元，网格质量较好，速度也比较快．文中介绍了它的基本思想和算法实现，并给出了实例。     

一种新的卡诺图化简法

设计了一种新的卡诺图化简方法，可以对七变量及以上的逻辑函数进行化简．这种新卡诺图化简法化简逻辑函数不是采用画包围圈的办法，而是先用新卡诺图来判断哪些标“1”的单元是逻辑相邻的单元，然后再把任何2^m(m=0，1，2，…，n)个标“l”的逻辑相邻单元所对应的最小项项号所对应的二进制数集中到一起，把变量取值保持不变的变量保持下来，把变量取值发生变化的变量去掉，剩下的变量之“与”就是这2^m个逻辑相邻单元化简后的乘积项，这种方法对化简任意变量的逻辑函数都适用。     

连接件变形对时程分析结果的影响

本文指出了不计连接件变形和考虑连接件变形两种情况下设置粘弹性单元结构的动力方程的差异，分析了这种差异对于时程分析最终结果的影响，文中对比了典型结构在两种情况下的计算结果，从对比结果可以看出，粘弹性单元中连接件变形对于时程分析的计算结果影响还是比较明显的。     

基于MANET的分簇算法研究

分簇是一种能将节点分成逻辑上独立的组的机制,在MANET中应用分簇算法得到的分级式结构能提高网络的总体性能.介绍了分簇算法的构成和度量分簇算法性能优劣的标准,并对几类典型的分簇算法进行了分析和比较,最后指出了其中存在的问题.     

基于MANET的分簇算法研究

分簇是一种能将节点分成逻辑上独立的组的机制，在MANET中应用分簇算法得到的分级式结构能提高网络的总体性能．介绍了分簇算法的构成和度量分簇算法性能优劣的标准，并对几类典型的分簇算法进行了分析和比较，最后指出了其中存在的问题．     

基于模糊对向网络的非线性动态系统辨识新算法

以模糊对向网络为辨识模型,利用它所具有的模糊逻辑系统和神经网络两者的优点,在模糊C－均值聚类方法的基础上引入新的聚类目标函数,并证明了它的优化条件,将模糊聚类和最小二乘法相结合,提出一种模型参数学习的新算法,在直流电弧燃弧时间建模研究中的应用结果表明提出的算法是有效的。     

径向基网络的模糊逻辑运算性质

对径向基网络的功能进行了研究,并对该网络的神经计算功能与模糊逻辑运算进行了对比分析,得出了以下结论：径向基网络具有模糊逻辑运算的性质,从某种意义讲,径向基网络是一种神经元模糊系统．论文给出了径向基网络求解“蝴蝶”模糊聚类问题的示例,验了理论分析的结果．     

面向服务的逻辑承载网构建方法研究

研究基于开放式可重构路由交换平台的面向服务的新型网络技术体系中面向服务的逻辑承载网构建方法,归纳了建立于物理承载网之上的逻辑承载网络的构建原则,提出了一种考虑带宽限制的逻辑承载网路由算法,分析了网络拓扑与逻辑承载网路由之间的关系以及由此导致的重路由问题,构建符合要求的逻辑承载网络。     

一种模糊神经计算模型:结构、算法与功能

提出了一种模糊神经计算模型,其模糊神经计算过程显式地反映了模糊逻辑运算中的问题模糊描述、模糊推理、模糊结论解析３个步骤．为模糊神经计算模型设计了一种自组织学习算法,对自组织学习算法的收敛性进行了理论分析和证明．同时,对模糊神经计算模型的自组织模糊聚类功能进行了分析和研究,并将该模型应用于经典的“蝴蝶”聚类问题,取得了有价值的研究结果．     

模糊神经网络系统的设计与应用研究

把模糊逻辑系统与神经网络相结合,形成结构像神经网络,功能似模糊逻辑系统的模糊神经网络系统,该系统具备了模糊逻辑系统和神经网络的优点,克服了单个系统的不足。再结合误差反向传递学习算法（BP算法）,调整模型参数及权值。最后应用模糊神经网络系统解决实际问题,经过若干次学习训练,使系统达到稳定,通过仿真结果可看出;将所设计的模糊神经网络系统应用在WTI原油价格预测中具有可行性与有效性。     

聚类神经网络的通用设计方法

基于神经网络的聚类算法通过其并行计算能力可以提高聚类速度．现有的聚类神经网络只能处理特定分布的数据聚类，网络缺乏通用性．文中分析了基于ＡＶＱ的聚类和Ｃ－均值聚类的等效关系，提出了一种通用的聚类神经网络设计方法．它适用于各种数据分布的聚类问题     

基于网络聚类选择的神经网络集成方法及应用

面向农作物精准施肥量确定问题,提出一种基于复杂网络聚类选择的神经网络集成方法。在该方法中,首先采用回放取样方法来生成多个神经网络个体,其次利用网络聚类算法FEC从这些神经网络个体集中选出部分个体,再次对选出的神经网络个体分别用线性加权方法和非线性方法进行集成,最后对两个集成结果进行融合得到预测结果。于2008年在吉林省榆树玉米试验田七号地对该方法进行了应用。实验结果表明:该方法不仅优于传统的施肥模型、神经网络线性加权集成和神经网络非线性集成方法,而且还具有较强的泛化能力。