应用聚类和模糊神经网络方法设计模糊规则库

基于聚类技术和模糊神经网络提出一种新的自动生成模糊系统规则库的设计方法．采用结构辨识和参数辨识相结合的方法，构造模糊系统完善的模糊规则库．用此设计方法对函数逼近问题进行仿真，结果表明该方法具有规则数目少、学习速度快、建模精度高等特点．     

应用聚类和模糊神经网络设计模糊系统

基于聚类技术和一类模糊神经网络提出一种设计模糊系统的混合方法,通过一个无监督的聚类算法自组织地确定模糊规则的数目及生成一个初始的模糊规则库,构建一类模糊神经网络,通过调整网络的权值,使规则库中的参数更加准确,并以函数逼近问题为例验证了该方法的有效性。     

基于粗糙集理论的模糊神经网络建模方法

采用基于粗糙集的模糊神经网络模型,将粗糙集理论与模糊神经网络相结合,通过利用粗糙集理论中的约简的计算方法,从样本数据中获取精简的规则,再根据这些规则构造模糊神经网络各层的神经元个数,克服了当输入维数高时,模糊神经网络的结构过于庞大的缺点,从而使网络模型结构最简.并采用误差反向传播算法(BP算法)来训练该新型网络中的权值参数及隶属函数的中心值和宽度,仿真结果验证了该模型的优越性.     

模糊神经网络用于非线性系统模型辨识

提出了一种非线性系统的模型辨识方法。在只有被辨识系统的输入输出数据的情况下,利用一种无监督的聚类算法来进行结构辨识,从而自动获得模糊规则库,并可以得到模糊系统的初始参数。在聚类的基础上,构造一个与之相匹配的模糊神经网络,用它的学习算法来训练网络得到一个精确的模糊模型,从而实现参数辨识。同时,证明了所构造的模糊神经网络具有通用逼近能力,这个能力在模糊建模和模糊控制方面非常有用。通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。     

模糊神经网络在陶瓷配料系统控制中的应用

将模糊控制和神经网络技术相结合,借助神经网络的学习能力和信息存储能力来实现模糊推理过程,并记忆和调整模糊规则,从而自动生成模糊控制规则,建立模糊神经网络。系统对模糊神经网络进行离线学习,将训练好的模糊神经网络用于在线控制,仿真结果表明,本文方法用于对陶瓷配料系统的控制,取得了无超调、无静差等令人满意的效果。     

基于FGA的模糊规则自动生成

解决遗传算法优化自动生成的模糊规则时,可能存在局部解以及规则种群的收敛速率过慢等问题,该文提出了一种基于模糊遗传优化的模糊规则自动生成算法。该算法基于模糊逻辑,利用规则种群的收敛速率和多样性来自适应调整遗传算法的交叉率和变异率,从而实现遗传模糊系统的控制规则的自动生成。给出了控制系统的性能指标,以及如何设定遗传算法的适应度函数。最后通过仿真试验,验证了算法的可行性和有效性。     

基于模糊神经网络的模糊辨识方法及其应用研究

利用模糊神经网络（FNN）的学习能力从控制操作的现场数据中获取模糊规则,并自动调节隶属函数,把建模的过程转化为FNN网络结构多数的生成与学习问题。用于一个非线性过程的模糊模型参数辨识问题,取得了满意的结果。     

基于遗传算法优化的模糊神经网络车型识别

针对模糊神经网络中的隶属函数构造和推理规则建立两个难点,提出一种改进的遗传算法完成了隶属函数的自动生成和模糊规则的自动提取。其中采用的动态高斯变异算子,确保了进化初期有效地搜索解空间,进化后期则具有局部精确搜索的性能,提高了收敛速度,得到了精简稳定的模糊神经网络模型,并将其应用到客车车型的自动识别中,结果显示了该方法的有效性。     

基于模糊神经网络的模糊辨识方法及其应用

利用模糊神经网络（ＦＮＮ）的学习能力从控制操作的现场数据中获取模糊规则，并自动调节隶属函数，把建模的过程转化为ＦＮＮ网络结构参数的生成与学习问题。用于一个非线性过程的模糊模型参数辨识问题，取得了满意的结果。     

从样本数据中提取模糊规则的算法研究

如何从大量数据中提取或“挖掘”知识是数据挖掘领域中的研究热点之一。利用神经网络在提取规则时的优势从样本数据中提取模糊规则。介绍了一系列算法 ,其中朴素提取规则仅是对样本数据粗糙的挖掘。参照模糊控制中的模糊化思路 ,可在挖掘问题中引入模糊语言变量。根据隶属函数的训练 ,模糊语言的筛选 ,属性间是否存在相关性的判断等问题 ,利用神经网络中的BP算法提出了双向训练算法。在已完成训练的网络进行网络剪裁 ,最后在完成剪裁的网络上 ,先确定候选规则再利用聚类结果从候选规则中提取模糊规则。     

A new fuzzy modeling method for nonlinear systems

ThisstudywassupportedbyChineseNationalDefenceFoundation.ocolhay~lingisawhelingmethodwhichusesfuzzyinfernceruIestodescribethecharacteristicsofasystem,andfeatumeitScapabilitytodescribecomPlex,uncedrinandnonlinearsystems.TherearemainlytwoaP-proachestoInodling:oneisaverydifficuhapproachbasedonfhazyrelationaleqUations["'J,becausethesou-tionofafhazyrelationaleqUahonisusuallynotuniqUe,anditdoesnotevenetistsomtlines;andtheotherisacommonhemedelcomposedofhaylingUistic.l.[3'4]andidenhficationoffhazy…     

全自动洗衣机的模糊控制分析

对全自动洗衣机的模糊控制进行了分析,详细介绍了如何定义洗衣机的模糊控制输入、输出量.根据专家知识和手动操作人员长期积累的经验,给出了模糊控制的具体规则.以确定洗衣机洗涤时间为例,利用M atlab进行了仿真研究,采用取小运算对模糊规则进行推理,并采用最大平均法得到反模糊化结果,所得结果与理论计算结果接近相同.     

基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

基于模糊推理L-系统的植物生长模拟研究

L-系统应用于模拟植物生长时,难以从植物学知识归纳、抽象出有关植物生长的语言式描述鲻规则,提出了基于语言描述的模糊推理方法来建立产生式规则的构造方法.介绍了从对植物生长的语言描述出发构造相应的模糊集合,进行模糊推理构造出L-系统产生式的方法.给出了主要的产生式规则和编程实现的模拟结果,仿真结果符合现实植物营养生长的“慢-快-慢”的基本生长规律,表明基于模糊推理的L-系统方法模拟植物的生长过程是可行的,避免复杂的植物生长机理建模.     

模糊神经网络及其在聚酯酯化建模中的应用

提出一种通过改进减法聚类优选模糊规则的模糊神经网络建模方法.该算法仅从已知的输入输出数据中,就能快速确定模糊规则的数目;给出了模糊规则中参数的确定方法,用误差反传法优化参数;最后用该方法对聚酯的酯化率建立软测量模型.仿真结果表明该方法运算速度快,模糊规则较少,同时具有的良好泛化性能,能够满足软测量建模精度的要求.     

基于遗传模糊算法的足球机器人射门动作控制

为了提高足球机器人的射门成功率，给出了一种基于遗传模糊算法的足球机器人射门实现方法。通过建立一个多输入多输出模糊控制器，用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作，并采用遗传算法优化模糊规则和隶属度函数，增强了模糊控制系统适应动态变化环境的能力。考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则内输出。在仿真和全局视觉足球机器人平台上对该算法进行了验证，实验结果证明了方法的正确性。     

一种基于遗传模糊算法的足球机器人射门方法

为了提高足球机器人的射门成功率,给出了一种基于遗传模糊算法的足球机器人射门实现方法．通过建立一个多输入多输出模糊控制器,用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作,并采用遗传算法优化模糊规则和隶属度函数,增强了模糊控制系统适应动态变化环境的能力．实验结果证明了方法的正确性．     

模糊关联规则挖掘及其算法研究

针对数据挖掘中的“尖锐边界”问题，阐述了模糊关联规则挖掘技术，提出了在模糊关联规则的挖掘中将事务属性模糊集中的元素作为单一属性来处理的方法，给出了模糊关联规则挖掘的算法。最后以网络流量分析为例，描述了模糊关联规则挖掘的具体应用。