一种基于可信度的不确定性推理及其神经网络实现*

提出了基于可信度因子和可信度区间的不确定性推理模型,并用改进的BP神经网络实现其推理过程,最后利用MATLAB神经网络工具箱给出仿真示例。改进的BP神经网络在实现不确定性推理方面有效避免了沿用传统方法所带来的规则数激增及推理缓慢等缺陷,并提高了网络的泛化能力。仿真示例表明,它不仅可以自动学习和模拟专家的典型经验,而且还可以将专家的典型经验推广应用到一般情形。     

一种基于ANN的中医辨证不确定性推理模型研究

提出中医辨证中不确定性推理的基于可信度因子和可信度区间的模型,并用改进的BP神经网络实现其推理过程,最后利用MATLAB神经网络工具箱给出仿真示例。改进的BP神经网络在实现中医辨证不确定性推理方面有效地避免了沿用传统方法所带来的规则数激增及推理缓慢等缺陷,并提高了网络的泛化能力。仿真示例表明,它不仅可以自动学习和模拟专家的典型经验,而且可以将专家的典型经验推广应用到一般情形。     

一种基于功能性观点的神经网络规则提取方法

研究一种基于功能性观点的神经网络规则提取方法.阐述特征排序与选择、连续属性离散化、训练样本产生、神经网络训练、示例样本产生及规则提取等关键算法.并用UCI数据和人群分类数据对方法进行分析和验证.结果表明本文方法的正确有效性.     

基于故障字典和神经网络理论的故障诊断方法

鉴于传统的故障诊断方法对复杂系统或设备进行故障诊断时,有诊断速度慢、对多故障同时发生的情况难以准确定位等缺点,提出了基于故障字典法和神经网络理论的综合故障诊断方法;在叙述该综合诊断方法的基础上,以某型飞机自动驾驶仪飞控盒的主要故障为例,分析说明了运用该方法进行设备故障诊断的具体过程,并进行了仿真研究;实现了对此设备单故障和多故障的快速准确定位;结果表明该综合故障诊断方法解决此类故障诊断问题是有效的.     

基于BP神经网络的多电飞机电气系统故障诊断研究

针对未来多电飞机电气系统结构复杂、故障原因多的特点,基于理论上较为成熟的BP神经网络,文章对BP神经网络在多电飞机电气系统故障诊断方面的应用进行了研究,介绍了BP神经网络的模型、BP算法的基本原理以及编程实现的过程.在此基础上,采用VC 与MATLAB混合编程的方法,应用基本的BP算法进行了多电飞机电气系统故障诊断的仿真研究.     

一种模糊神经网络的结构和参数的确定方法*

结合FGP(Fuzzy Grid Partition,模糊网格划分)和FNN(Fuzzy Neural Network,神经网络)提出一种有效确定模糊神经网络模型中结构及参数的方法.该方法首先从样本数据中采用模糊网格划分确定出最佳规则数,从而可确定神经网络的结构;然后采用BP算法对神经网络进行调节,从而确定出模糊神经网络的参数.采用这种方法构建我国经济增长的模糊模型.研究表明这种方法构建的模糊神经网络具有更高的精度.     

自适应反推神经网络的转台鲁棒控制器设计

针对未知非线性、外界干扰和参数摄动等不确定因素对实际转台控制系统的影响,提出了自适应反推神经网络的转台鲁棒控制器设计.首先给出自适应Backstepping控制器的设计方法及步骤,接着采用RBF神经网络对转台对象参数的不确定因素上界值加以辨识,实现转台系统的鲁棒控制.其中Backstepping鲁棒控制作为主控制器,RBF神经网络实现了不确定上界值的在线辨识.仿真结果表明,自适应Backstepping神经网络控制很好地克服了对象的不确定性,实现控制系统的较强鲁棒性,适于高精度飞行仿真转台系统的实时鲁棒控制.     

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。     

基于COM组件的网络专家系统推理机的研究和实现

网络专家系统推理机是在异构平台环境下运行的,这就要求该系统在设计时就要考虑到软件的跨平台性,能够屏蔽网络硬件平台的差异和操作系统与网络协议的异构性。文章就此进行了研究,提出了把中间件技术运用到网络农业专家系统推理机当中去,这种中间件技术就是COM组件。     

人工神经网络在柑橘生产专家系统中的应用

研究结合三峡库区柑橘产业化需求,采用人工神经网络技术与专家系统相集成的方法,设计并研制了一个知识面较为完整的网络化柑橘生产专家系统。该系统能同时满足柑橘生产者和管理者的信息需求,可应用于柑橘生产技术普及和直接指导柑橘生产管理。设计采用了神经网络原理,合理组织知识、模拟人脑思维过程,其推理机制比产生式推理优越。以柑橘营养诊断作为实例,详细介绍了基于人工神经网络的专家系统的总体结构和实现方法。     

人工神经网络专家系统在门窗选型中的应用

本文提出了一个将神经网络专家系统的设计思想引入门窗选型过程的应用模型,从而提高了门窗选型的合理性,也充分发挥了神经网络及专家系统的各自优点。文中主要介绍了基于神经网络专家系统的门窗选型模型的结构和推导过程,此模型在实际应用中确实取得了令人满意的效果。     

基于神经网络的范例推理

目前对于基于范例推理的研究越来越受到人们的重视。本文探讨用神经网络来实现范例推理系统,用此方法建造一个高效的范例推理系统,并给出了一些算法。     

无人机系统的故障诊断神经网络专家系统

将人工神经网络与专家系统集成应用于无人机系统故障诊断,构建一个无人机系统的智能故障诊断系统,给出系统的结构组成,详细描述神经网络专家系统的工作原理.仿真结果表明,该方法应用于无人机系统故障诊断是有效的.     

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。     

基于径向基神经网络和正则化极限学习机的多标签学习模型*

相比径向基(RBF)神经网络,极限学习机(ELM)训练速度更快,泛化能力更强.同时,近邻传播聚类算法(AP)可以自动确定聚类个数.因此,文中提出融合AP聚类、多标签RBF(ML-RBF)和正则化ELM(RELM)的多标签学习模型(ML-AP-RBF-RELM).首先,在该模型中输入层使用ML-RBF进行映射,且通过AP聚类算法自动确定每一类标签的聚类个数,计算隐层节点个数.然后,利用每类标签的聚类个数通过K均值聚类确定隐层节点RBF函数的中心.最后,通过RELM快速求解隐层到输出层的连接权值.实验表明,ML-AP-RBF-RELM效果较好.     

支持规则推理的神经网络模型

本文研究了支持规则推理的神经网络模型，表明通常执行的推理与符号系统在方法上确实相似，只是它们对常识推理提供了更多的方法。CONSYDERR是一种支持常识推理的连接结构，其目的是给出常识推理的一种模型，并纠正传统规则系统中的脆弱性问题。本项工作表明，推理的连接模型不仅实现了符号推理，而且是一种更好的常识推理的计算模型。