基于模糊CMAC神经网络的并联机器人自适应力控制研究

本文介绍了一种基于Takagi型模糊推理方法的模糊C MAC神经网络,分析了其学习算法,设计出基于这种模糊神经网络的并联机器人自适应力控 制器,并进行了仿真和实验研究,证明所设计的控制器是可行和有效的．     

高阶CMAC神经网络的研究

提出了一种高阶ＣＭＡＣ（ＨＣＭＡＣ）神经网络，它是采用高阶的径向基函数作为接收域函数，为了进一步增强对输入模式的表达，还可以用接收域函数输入模式向量构成张量积，这时产生的是高维的增强表达，同时ＨＣＭＡＣ沿用ＣＭＡＣ的地址映射方法，由于高阶接收域函数的引入，使其可以获得较ＣＭＡＣ连续性强且有解析微分的复杂函数近似，ＨＣＭＡＣ在不改变ＣＭＡＣ简单结构的基础上较ＲＢＦ网络有计算量少，学习效率高等优点，中     

基于聚类的模糊神经网络预测系统

本文在Ｔａｋａｇｉ提出的神经网络驱动的模糊推理基础上,提出了基于聚类的新模糊神经网络的和学习算法。     

一类具有多维存储结构的CMAC神经网络

对于多输入 CMAC神经网络 ,概念映射决定了网络泛化特性 .从而直接影响到网络学习速度和网络的逼近精度 .本文在对多输入 CMAC网络进行深入分析的基础上 ,指出了概念映射的重要性及现有映射算法存在的不足 ;巧妙地将网络存储器由原来的一维改为多维从而得到了一类新型的多输入 CMAC神经网络 ,同时给出了新型网络的概念映射算法并分析论证了算法的合理性、严密性 .计算机仿真结果验证了所提出新型网络及其概念映射算法的有效性     

一种基于模糊加权型推理法的模糊神经网络

本文在Ｍａｍｄａｎｉ模糊推理法的基础上,给出了改进的模糊加权型推理法－广义模糊加权型推理法。     

一种基于CMAC的自学习控制器

现有的基于CMAC的自学习控制器能够有效地减小跟踪误差,但是在跟踪连续变化信号如正弦波时,由于累积误差的影响会产生过学习现象,进而导致系统的不稳定.为此,提出一种新的基于CMAC的自学习控制器,它以系统的动态误差作为CMAC的激励信号,从而避免了累积误差的影响.仿真结果表明,该控制器不仅是有效的,而且具有很强的鲁棒性.此外,它可以使用较高的学习速率,实时性强.     

应用模糊神经网络进行负荷预测的研究

应用模糊神经网络实现的预测系统通过对历史数据的自适应学习获得初始的模糊预测模型,借助等价结构的ANN基于实时数据的梯度信息对系统参数进行BP训练,具有较强的适应性和自学习能力.以电力短期负荷预测(STLF)为应用背景,进行了系统化的实验研究,结果表明这一智能化的预测系统的性能是令人满意的.     

CMAC神经元网络在CSTR系统建模中的应用

目前正在兴起和发展的人工智能和人工神经网 络的研究,为复杂非线性系统的控制开辟了一条新路．本文将CMAC神经元网络用于CSTR系统 的建模,取得了很好的仿真效果．     

模糊神经网络技术综述

首先讨论了模糊神经网络协作体的产生和优越性，随后将模糊神经网络划分为狭义模糊神经网络、用模糊逻辑增强网络功能的神经网络和神经模糊系统，并分别介绍了各自的网络结构和学习算法，最后介绍了模糊神经网络的工业应用．     

模糊神经网络在条形码识别中的应用

本文把模糊集合论的知识应用于自组织神经网络,提出一个模糊神经网络算法。新算法克服了一般神经网络方法共同面临的学习时间长、对网络参数敏感的弱点,广泛适用于一般的模式识别问题。对条形码识别问题的应用情况表明,新算法无论在网络学习的速度上还是在识别结果上都优于Ｋｏｈｏｎｅｎ的自组织神经网络方法。     

高炉热状态模糊预报系统的研究

将模糊控制理论应用于高炉热状态的预报中，分析了影响高炉热状态的主要因素，给出了模糊预报系统的基本结构及具体实现方法，建立了高炉热状态模糊预报系统，从而实现了高炉炉热水平的精确预报。     

模糊对向传播神经网络及其应用

通过把对向传播(CP)神经网络的竞争层神经元的输出函数定义为模糊隶属度函数,提出了模糊对向传播(FCP)神经网络.该网络是CP网络的推广,它不仅能有效克服CP存在的问题,而且具有全局函数逼近能力.在结构上,FCP网络同径向基函数(RBF)网络是等价的.实际上,它是一种RBF网络,而且还是一种模糊基函数网络.FCP在时间序列预测中的应用表明,FCP不仅在学习精度上,而且在泛化能力方面较之CP和RBF均有较大的改善.     

基于神经网络的自适应模糊控制器

本文提出了一种基于神经网络的自适应模糊控制器，控制器为５层前向结构，其输入和输出均为数值量。根据给定的训练数据，通过学习算法，能够实现前件参数和后件参数的辨识，提取控制规则，最后通过仿真实验证明了这种方法的有效性。     

CMAC神经网络的N维概念映射算法

小脑模型神经网络（ＣＭＡＣ）是１９７２年由Ｊ．Ｓ．Ａｌｂｕｓ提出的，是实际控制上用得最多的神经网络之一，但是其概念映射较为复杂，至今尚未给出一般公式。本文在Ａｌｂｕｓ的概念映射基础上，给出了ＣＭＡＣ神经网络的Ｎ维概念映射算法，为ＣＭＡＣ神经网络应用提供了极大方便。     

A SELF-ORGANIZING QUANTUM NEURAL FUZZY NETWORK AND ITS APPLICATIONS

In this paper, a self-organizing quantum neural fuzzy network (QNFN) is proposed. The QNFN model is a four-layer structure. Layer 2 of the QNFN model contains quantum membership functions, which are multilevel activation functions. Each quantum membership function is composed of the sum of sigmoid functions shifted by quantum intervals. A self-constructing learning algorithm, which consists of the self-clustering algorithm (SCA) and the backpropagation algorithm, is also proposed. The proposed the SCA method is a fast, one-pass algorithm for a dynamic estimation of the number of clusters in an input data space. The backpropagation algorithm is used to tune the adjustable parameters. Simulation results were conducted to show the performance and applicability of the proposed model.     

四足步行机器人模糊神经网络控制

本文以模糊控制与神经网络应用于四足步行机器人的力与位置混合控制系统为目的，针对ＪＴＵＷＭ－ＩＩ四足步行机器人，进行了有关神经网络、模糊控制的理论研究和实验     

一个基于模糊神经网络的模式分类系统

目前,基于神经网络的分类系统在许多领域得到了越来越广泛的应用。但是,该系统大多采用的是离线自适应机制,即神经网络需学习新的分类知识时,要重新训练神经网络,从而大大增加神经网络的训练时间;对于重叠分类,一般是构成一个贝叶斯分类器。然而,贝叶斯分类器的构成需要关于分类数据的概率密度函数的先验知识,而这些知识常常在模式分类前是难以获得的。为了解决这些问题,文中根据模糊集合理论,提出了一种基于模糊神经网络     

Min-Max模糊神经网络的应用研究

本文从结构和算法上研究了Min-Max模糊神经网络,找出了其固有的局限性,相应地提出了一系列的改进措施,得到了好的仿真结果,并运用了它作为分类器对实际信号进行了分类,得到了满意的结果.由于网络参数对网络的性能影响很大,本文应用遗传算法对网络算法中的参数进行了优化处理,与优化前相比,网络性能有明显地提高.     

基于模糊算法的多小脑神经网络在混凝投药系统中的应用

净水工艺中的混凝投药是一个受多变量影响的非线性系统,无法建立准确的数学模型,且滞后时间较长。为了将混凝投药后的出水浊度控制在设定的范围内,并且有效地减少投药量,通过对混凝投药过程的分析,设计一种基于模糊算法的多小脑神经网络(CMAC神经网络)前馈控制器,并设计控制器离线建模和在线学习的方法。最后使用MATLAB进行仿真验证,结果表明,该前馈控制器能够在原水浊度和原水温度变化的情况下,有效地将浊度控制在设定的范围内,并且能够实现投药量的优化。