共查询到10条相似文献,搜索用时 31 毫秒
1.
针对机械设备具有模糊性和非线性的特点,提出了一种利用扩展T-S模糊模型的,自适应PSO算法和BP神经网络相结合的新型智能结构优化算法。通过自适应的高斯函数来更改基本T-S模糊模型中的隶属度函数,进而使用扩展的T-S模糊模型来调整PSO算法的参数。以BP 神经网络隐含层神经元数目为设计变量,提取训练后的均方误差作为评价函数,用改进后的粒子群算法进行寻优。把优化后的网络模型应用于轮盘结构优化中,实验表明,该方法在保证轮盘性能的同时,对其结构进行了重新优化,是一种可行的结构优化方法。 相似文献
2.
3.
针对传统导弹并行测试系统安全性评价主观因素突出的缺点,提出基于神经网络的导弹并行测试系统安全性模糊综合评估模型.首先建立了导弹并行测试系统安全性评价的指标体系,其次介绍了基于IA- BP神经网络的模糊综合评价模型,并详细介绍了模型应用的方法和步骤,最后通过实例分析,得出结论.结果表明基于IA- BP神经网络的模糊综合评价方法具有运算速度快、通用性强的特点,利用该方法对导弹并行测试系统的安全性进行评价具有可行性和客观有效性. 相似文献
4.
5.
一种基于NFCS形态的模糊神经网络的学习算法 总被引:3,自引:1,他引:3
彭志平 《计算机研究与发展》2002,39(11):1436-1441
神经网络与模糊逻辑协同系统(NFCS)是神经网络与模型系统深度融合的一种形态,传统的BP算法也可作为NFCS的学习算法,但收敛性能不佳,针对NFCS形态的模糊神经网络提出了BP算法的一种新的改进算法(NFCS-BP),即在误差传播时不仅改变网络的连接权值,同时也改变模糊逻辑神经元模型的补偿参数,首先介绍了NFCS的协同机制和典型结构,然后详细推导了改进算法的迭代公式,实践证明,与传统BP算法相比,该算法具有收敛性能好,函数逼近精度高的优点。 相似文献
6.
神经网络能够以任意精度逼近任意复杂的非线性关系,具有高度的自适应和自组织性,在解决高度非线性和严重不确定系统的控制方面具有巨大的潜力.但一般神经网络训练算法如BP算法训练速度慢,受初值影响大且易陷入局部极小点,该文提出了一种基于模糊神经网络的间接自校正控制系统,控制器以高斯隶属度函数的径向基函数(RBF)神经网络结构,利用改进的遗传算法(GA)对结构和参数进行同步优化,改进适应度函数指导搜索过程,在保证稳定情况下大大加快了收敛的速度.神经网络正向模型(NNP)利用弹性BP算法进行离线辨识,使得到的模型泛化性能好. 相似文献
7.
8.
9.
针对武器装备系统组合决策问题,提出了一种新的基于自适应模糊神经推理的组合决策模型。首先用由高斯函数表示的模糊集定量描述武器系统的作战效能和敏捷性;接着基于波士顿投资组合矩阵进行武器系统模糊分类,建立自适应神经网络;最后利用鸟群算法优化模型相关参数。在样本数据库上的仿真结果表明,该方法可以反映武器系统组合状态,使决策者可以根据需求对组合策略进行调整更新。此外鸟群算法优化后的模型能够在一定程度上提高分类精度,与传统模型相比,具有更低的均方误差和更高的误差容忍率。 相似文献
10.
关于汽车制动优化问题,由于汽车制动器摩擦系数的干扰,产生汽车制动振荡现象,系统的模型是一个由线性与非线性糅合的系统,针对非线性部分难以建立数学模型,采用传统的BP神经网络进行系统辨识,在辨识过程中常常出现收敛速度慢、易导致局部极值等不良现象,从而影响系统辨识的速度及其信号的跟踪性.为解决上述问题,结合模糊推理系统模型具有控制精度高与神经网络自学习的功能,提出了使用神经模糊系统来进行非线性动态部分辨识的方法.分别采用传统的BP网络与模糊神经系统的方法对非线性动态系统进行辨识,通过利用MATLAB软件进行仿真.仿真结果表明,神经模糊系统的非线性动态系统辨识方法,不仅能够提高系统辨识的收敛速度,还能提高辨识精度及信号的跟踪性能. 相似文献