基于模糊神经网络的高校教师绩效评价方法

基于神经网络来构造模糊系统,综合模糊逻辑推理的结构性知识表达能力和神经网络的自学习能力,建立了高校教师绩效评价的模糊神经网络模型.通过建立评价指标建立等级模糊级,利用神经网络的学习能力,通过网络的训练样本,确定评价中的参数.克服了由专家确定参数的主观性,达到对教师绩效评价的客观性,科学性.     

基于模糊神经网络的软件质量评价方法

为了对计算机软件质量进行更加精确、客观、科学的评价,综合模糊逻辑推理的结构性知识表达能力和神经网络的自学习能力,提出一种基于模糊神经网络的软件质量评价方法。首先筛选软件质量评价的指标建立评价等级模糊级,然后利用神经网络的学习能力,通过网络的训练样本,确定评价中的变量参数;训练好的网络就可用来对软件质量进行评价。应用表明,该方法克服了由专家确定变量参数的缺点,达到评价结果更高的客观性、科学性,具有很高的应用价值。     

基于模糊神经网络的软件质量评价方法

为了对计算机软件质量进行更加精确、客观、科学的评价，综合模糊逻辑推理的结构性知识表达能力和神经网络的自学习能力，提出一种基于模糊神经网络的软件质量评价方法。首先筛选软件质量评价的指标建立评价等级模糊级，然后利用神经网络的学习能力，通过网络的训练样本，确定评价中的变量参数；训练好的网络就可用来对软件质量进行评价。应用表明，该方法克服了由专家确定变量参数的缺点，达到评价结果更高的客观性、科学性，具有很高的应用价值。     

自动测试系统性能的模糊综合评价方法研究

针对目前我国自动测试系统领域中综合性能评价体系不完善的现状,提出了一种模糊综合评价方法.首先,对自动测试系统的综合性能进行深入分析,建立了综合评价指标体系;然后,运用层次分析法构造评价比较判断矩阵,确定了评价指标的权重;同时,利用模糊综合评价方法建立了模糊综合评价模型;最后,对VXI总线测试系统的性能进行了评价.结果表明,评价结果符合客观实际,具有一定的参考价值.     

基于神经网络的故障诊断效能模糊综合评价研究

构建了并行测试系统(PATS)故障诊断效能评价指标体系,针对该指标体系在评价过程中存在的不确定因素,结合神经网络和模糊理论的优点,提出了基于神经网络的模糊综合评价方法(FCEANN);详细给出了FCEANN的求解算法及步骤,结合实例进行仿真实验并与专家评价结果进行比较,对影响模型预测精度的因素进行了分析;仿真结果表明,基于BP神经网络和Elman神经网络的FCEANN均能够很好地模拟专家评价的全过程,能够准确地对PATS的故障诊断效能指标进行评价;并将两种神经网络的仿真结果进行了比较,结果表明,Elman神经网络得到的仿真结果精度更高.     

基于模糊BP神经网络雷达导引头的性能评价

利用模糊系统和BP神经网络的组合模型来进行电子部件的性能评价,组合模型能够兼具二者优点,从理论上比模糊系统性能评价更精准全面.为提高模糊BP神经网络的映射和预测能力,将BP神经网络结构中的动量因子和学习速率两个参数利用误差反馈来调整.从理论上组合模型对电子部件性能评价误差更小,速度更快.通过实例仿真试验表明,改进后的模糊BP神经网络相比较改进前模糊BP神经网络系统,对导引头的性能评价更精准,适用性更强.     

神经网络在信息安全风险评估中应用研究

针对信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在-定的局限性.为了提高安全风险评估性能,将RBF神经网络理论、粒子群算法分析以及模糊评价法进行有机结合,建立了一种粒子群优化的RBF神经网络信息安全风险评估模型.首先通过模糊系统对信息安全风险因素指标进行量化,将模糊系统的输出输入到RBF神经网络的模型中,然后利用粒子群算法对RBF神经网络的参数进行优化并加以训练,最后得到优化评估模型.进行仿真的结果表明,改进的RBF神经网络模型可实现对信息系统的风险评估,解决了传统评估方法所存在的主观随意性大、结论模糊等缺陷,并且比RBF神经网络具有更高的拟合精度、更强的学习能力和更快的收敛速度.     

一种高阶模糊CMAC自适应控制及其应用

提出了一种高阶模糊小脑模型神经网络控制器(HOFCMAC),利用模糊子集对输 入状态空间进行分割,同时采用多层的量化方式对输入状态进行量化,并利用代数积,代数和 的方法综合各种量化方式的量化结果.由于多层量化方式的应用,这种控制器也比单纯基于 广义基函数的模糊CMAC有更好的控制性能.复杂工业炉温控制试验结果证明这种方法的 有效性.     

基于BP的油田产能成功度综合后评价模型研究

详细分析油田产能建设项目后评价相关指标,及其对最终综合后评价结果的影响之间的关系,建立油田产能建设项目综合后评价模型.基于成功程度综合后评价模型,在评价标准相对隶属度成功应用的基础上,进行模糊处理,用神经网络来改善的评价模型,增高评价结果的准确性.该模型不但弥补了传统成功度模型主观估计权重的缺陷,并考虑到各个评价指标对综合后评价结果的影响,科学、客观地评价项目,实验结果证明了该方法的有效性.     

网管系统的性能模糊综合评价模型

针对网管系统性能评价研究中的度量问题,运用性能指标和模糊数学方法对性能评价进行模糊化处理,以度量的性能数据为基础,采用模糊综合评价方法评价质量因子,通过建立性能综合评价模型,有效地解决了多指标评价问题,可用于指导软件开发人员进行网管系统性能改进。     

Business performance forecasting of convenience store based on enhanced fuzzy neural network

Reliable business performance forecasting of convenience store (CVS) can not only help in making the correct local selection decision but also in decreasing the store cost and thereby enlarging the profit significantly. Therefore, the main aim of this paper is to design an enhanced fuzzy neural network (EFNN)-based predictor to forecast the business performance of CVS. Without considering relevant domain knowledge, traditional fuzzy neural networks suffer from the problem of low accuracy of forecasting unseen examples. Moreover, traditional fuzzy neural networks have to turn weights with a kind of time-consuming gradient steepest descent training algorithm. Considering the relationship between the evaluation factors globally, we devise the EFNN which assigns connection weights based on the expert domain knowledge without painstakingly and repeatedly turning them. Furthermore, by generating and refining the activation function based on genetic algorithm, our EFNN can provide comprehensive and accurate activation functions and fit a wider range of nonlinear models. By experimenting our methods with several benchmark methods, the proposed methods are found to have an optimal accuracy in forecasting the business performance of CVS with a permanent good performance.     

基于神经网络的高校学生信用模糊评价研究

本文为更有效地对高校学生信用进行综合评价,建立了高校学生信用评价多级指标体系,提出了一种基于神经网络的评价模型。模型将模糊理论引入神经网络,通过神经网络的学习训练来调整模糊数学中的相应参数,以有效地模拟模糊综合评价的过程,对信用评价的定性过程而言,具有一定的合理性。     

应用模糊神经网络预测油田产量

为了研究受多变量、时变和不确定因素影响的油田产量预测问题,将模糊逻辑推理技术与人工神经网络相结合,构建具有模糊逻辑推理和学习功能的模糊神经网络(FNN)系统。该系统基于现有的油田开发历史数据,建立相应的规则集,使用神经网络的训练方法(如梯度下降学习算法),在训练过程中调整参数,并自适应增加规则,以使系统的输出最佳地逼近于目标样本。通过对某油田的实际开发历史数据的拟合与测试,结果表明该模糊神经网络能够较精确地预测未来的油产量,与常规的BP神经网络相比,其预测精度更高、训练速度更快。因此,基于模糊神经网络(FNN)的油田产量预测方法研究具有较好的实际应用价值。     

A neural network approach to multiple-objective cutting parameter optimization based on fuzzy preference information

This paper presents a neural network approach to multiple-objective cutting parameter optimization for planning turning operations. Productivity, operation cost, and cutting quality are considered as criteria for optimizing machining operations. A feedforward neural network and a dynamic training procedure are proposed for modeling manufacturers' preferences using sampled fuzzy preferential data. Optimum cutting parameters are determined based on neural network representations of manufacturers' fuzzy preference structures.     

基于模糊神经网络的网络成瘾预测

综合运用模糊数学和神经网络知识构建一个模糊神经网络模型,用以预测网络成瘾。确定了适宜的判别指标和分级标准,对评价论域进行模糊处理;建立各指标对不同论域等级隶属度的计算模型;以实际网络使用者为样本,应用改进的BP算法训练网络模型,并对6个受验样本进行成瘾判别以验证模型的准确性。该方法是对已有的单一指标判别法和用模糊数学对多个指标判别方法的改进。实验证明,改进的BP神经网络方法能够快速、准确、有效地识别网络成瘾模式。     

模糊神经网络在水质评价中的研究

研究水质评价问题,针对水环境保护和治理,由于水质类型和分级标准存在着模糊性,水质因子与水质类型间存在非线性关系,无法建立传统精确的数学模型。为了提高水质评价的准确性,提出模糊BP神经神经网络水质评价模型。利用模糊理论相对隶属度能反映各因子的质量相对状态,对模糊性具有很强的识别精度,可将水质因子模糊隶属度矩阵输入到BP神经网络中,通过非线性分析处理的BP神经网络进行学习和测试,得到输出水质评价等级。实验结果表明,模糊神经网络较传统的水质评价方法具有较高的识别精度,提高水质评价等级的准确性,使评价的结果更具有科学性。     

模糊神经网络在纳税信用评估中的应用研究

由于纳税评估过程中存在不精确、模糊以及冗余信息,传统评估模型多数采用经验法和比较法,缺乏科学性和公正性,评估结果正确率低。为了提高纳税信用等级评估的正确率,提出了一种采用模糊神经网络的纳税信用等级评估模型。首先利用模糊逻辑推理对纳税评估过程中的不精确、模糊的信息进行有效的处理,然后利用训练数据对神经网络模型进行训练学习,获得纳税评估指标和信用等级间的评估模型,最后通过利用测试集对模型进行验证,结果表明,模糊神经网络方法提高了纳税信用等级评估的正确率,为税收信用评估提供有效的依据。     

基于改进模糊神经网络的电力通信性能预警方法研究

针对电力通信网络的事前预警需求,在对基于模糊神经网络技术研究的基础上,提出了一种利用蚁群算法改进模糊神经网络,提高其全局搜索能力和收敛速度,解决了传统模糊神经网络训练过程易陷入局部极小点的问题。通过实验仿真结果表明,基于改进模糊神经网络的电力通信性能预警方法拟合度很高,具有较强的泛化能力,能够快速给运维人员提供较为可信的性能预警信息,具有较强的实用性。     

一种基于改进T-S模糊推理的模糊神经网络学习算法

针对模糊神经网络学习算法计算量过大,在预测模型设计中提出了基于改进T-S模糊推理的模糊神经网络学习算法。主要工作如下:首先,改进T-S模糊推理方法,定义基于偏移率的T-s模糊推理方法;然后,通过将此模糊推理方法与基于合成规则的模糊推理方法及距离型模糊推理方法相比较可以看出,所提方法有较少的计算量,且比较有效;最后,在此基础上改善了模糊神经网络学习算法,并将其应用于天气预测与安全态势预测。测试结果表明,该方法明显改善了学习效率,减少了预测模型设计中的学习次数与时间复杂度,并降低了学习误差。     

基于优化神经网络的云计算环境下供应链伙伴选择

针对云计算环境下供应链伙伴的动态性,提出一种基于优化神经网络的云计算环境下供应链伙伴选择模型.首先构建计算环境下供应链伙伴评价指标体系,并采用层次分析法计算每一个指标的权值,然后采用神经网络对采集的企业评估训练样本进行学习,并采用遗传算法对神经网络参数进行优化价,建立企业综合评估模型,最后进行了仿真模拟实验.结果表明,本文模型可以准确描述供应链伙伴的动态性,能够对云计算环境下的供应链伙伴进行全面、公正的评价.