一种用于非线性控制的神经网络模糊自组织控制器

本文提出一种神经网络自组织控制器，并应用于非线性跟踪控制中，为了加快模糊控制器的在线学习，文中给出了一种变的最速梯度下降学习算法，仿真结果表明，该控制是有效的。     

结合SVD_ TLS及EKF算法的动态自组织模糊神经网络在动态系统中的应用

针对如何优化模糊神经网络的规则及如何合理地调整非线性参数及线性参数等问题,提出了将奇异值分解_总体最小二乘法(SVD_TLS)及扩展卡尔曼滤波(EKF)相结合的动态自组织模糊神经网络(STD_DSFNN)。首先给出了STD DSFNN的结构及各层的含义;其次,用EKF算法学习非线性参数,SVD_TLS算法学习线性参数的同时提取重要模糊规则;最后,通过典型的Machey-Ulass时间序列预测实例验证SVD_TLS及EKF相结合的动态自组织模糊神经网络(STE_DSFNN),同时与DFNN, ANFIS及UKF_DFNN相对比,结果表明STE DSFNN网络结构更紧凑,具有更好的泛化能力。     

模糊神经网络两相流流型辨识算法的研究

针对电容测量灵敏度分布易受被测两相流介质分布的影响,对由电容传感器阵列采集的反映两相流介质分布的信息进行模糊处理,经Ｋｏｈｏｎｅｎ 网络的自组织学习,提取输入模式样本的分类特征,通过ＢＰ网络的监督学习,可实现两相流流型的有效判别和分类     

Fuzzy Neural Network Models for Classification

In this paper, we combine neural networks with fuzzy logic techniques. We propose a fuzzy-neural network model for pattern recognition. The model consists of three layers. The first layer is an input layer. The second layer maps input features to the corresponding fuzzy membership values, and the third layer implements the inference engine. The learning process consists of two phases. During the first phase weights between the last two layers are updated using the gradient descent procedure, and during the second phase membership functions are updated or tuned. As an illustration the model is used to classify samples from a multispectral satellite image, a data set representing fruits, and Iris data set.     

非最小相位非线性系统的简单递归神经网络控制

从简单递归神经网络的统一结构出发设计了简单递归神经网络控制器,在引入了控制加权的目标函数下优化神经网络权值学习,因此是通常意义的神经网络控制的推广。证明了整个系统的稳定性,并通过仿真验证了控制器的有效性。     

动态模糊逻辑程序设计语言的指称语义

文献[8]借鉴Dijkstra的监督命令程序结构,给出了动态模糊逻辑程序设计语言的基本框架结构.在此基础上,进一步扩充和完善,并根据指称语义的原理和方法,用结构归纳法给出动态模糊逻辑程序设计语言的指称语义,主要包括:动态模糊程序设计语言的语义域、语义函数及其指称语义.最后给出了一个动态模糊程序设计语言的例子以观察程序的运行过程.     

动态模糊逻辑（DFL）的真值域刻画

以往的理论的提出,虽然为研究解决具有动态模糊性的问题提供了一定的理论依据,但从整个动态模糊系统来看,这些还仅仅是一些初步工作,还有许多的内容需要进一步研究,因此,文章基于动态模糊逻辑,结合动态的模糊测度论,对动态模糊逻辑的真值域进行刻画。     

State-Space Recurrent Fuzzy Neural Networks for Nonlinear System Identification

In this paper, we propose a new recurrent fuzzy neural network, which has the standard state space form, we call it state-space recurrent neural networks. Input-to-state stability is applied to access robust training algorithms for system identification. Stable learning algorithms for the premise part and the consequence part of fuzzy rules are proved.     

基于参数调整的动态模糊神经网络算法

模糊逻辑与神经网络结合形成的模糊神经网络同时具有易于表达人类知识、存储与学习分布信息的优点,基于此,提出一种基于参数调整的动态模糊神经网络算法。采用扩展卡尔曼滤波器法将全局算法划分为线性和非线性部分,线性参数由最小二乘法和滤波器法决定,非线性参数由训练样本和启发式法直接决定,线性和非线性参数可进行实时更新。仿真结果表明,该算法能保证更简洁的结构和更短的学习时间。     

模糊神经网络建模方法的研究

近年来神经网络在建模中得到了广泛地应用,但其学习过程需要大量的训练样本以保证其结果的正确性,在工业过程建模中,神经网络因可采集与训练样本数少,且信息不全等困难,难以建立一定正确度的模。针对这一问题,本文以Ｇａｕｓｓ函数为隶属度函数形式改进模糊聚类的Ｃ－平均法,提出了模糊ＣＧ－平均法,对一同组数据的聚类结果证明了此方法的有效性,模糊神经网络在化工中的研究尚处于初级阶段,本文将模糊ＣＧ－平均法与神经网络结合,构造由模糊化层、隶属度生成层、推理层及反模糊化输出层构成的模糊神经网络,实例表明本文所构造的模糊神经网络在使用较少训练样本的条件下仍能取得理想的结果,有助于直接从生产中建立所需的模型。     

基于参数动态调整的动态模糊神经网络的软件可靠性增长模型

利用遗传算法对动态模糊神经网络的自身参数进行动态调整(GA-DFNN),并将其应用于软件可靠性增长 模型(SRGM)的研究。在对动态模糊神经网络进行训练的过程中,用遗传算法求得动态模糊神经网络自身参数的优 化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。利用3组软件缺陷数据,对用G卉 DFNN建立的SRGM和模糊神经网络(FNN)以及13P神经网络(13PN)建立的SRC}M的预测能力进行了比较,仿真结 果证实,根据GA-DFNN建立的SRGM的短期预测能力稳定,短期预测误差小,且具有一定的通用性。     

动态模糊逻辑（DFL）的归结策略

主要讨论DFL谓词描述下的归结推理方法,它是一种机器化的可在计算机上加以实现的推理方法。首先介绍DFL命题下结方法。最后介绍DFL的归结原理及方法。     

基于ANFIS的非线性电机系统的建模

将一种神经—模糊结构—自适应神经模糊推理系统 (简称ANFIS)用于非线性电机系统的建模 ,获得了一个良好的大范围的全局非线性模型 ,同时 ,通过与反向传播网络建模结果的性能对比 ,说明ANFIS在参数收敛速度及建模精度上的优越性。显示出ANFIS是非线性系统的建模、辨识的有力工具     

基于自组织模糊神经网络电力系统稳定器的设计

采用一种自组织模糊神经网络设计电力系统稳定器,该稳定器能通过结构和参数的学习,克服传统模糊控制器设计过程吕存在的盲目性及拚养伤性,避免模糊控制器中模糊逻辑规则的冗余成欠缺。仿夫表明该电力系统稳定器具有良好控制性能。     

基于模糊神经网络的系统辨识

基于模糊神经网络研究系统辨识问题,提出一种具体的模糊神经网络结构和相应算法,设计了开环系统和闭环系统辨识的结构。针对多个不同的对象进行仿真研究,结果表明用模糊神经网络建模较之传统建模方法能力强。     

神经模糊技术的研究现状与展望

从三方面综述了模糊逻辑与神经元网络的研究现状，基于神经元 模糊控制，模糊神经元网络和用模糊逻辑增强的神经元网络，以及它们在控制中的某些应用，最后探讨了今后的发展方向。     

神经网络和模糊逻辑在基于Agent的Web搜索系统中的应用研究

文章提出了一种利用神经网络和模糊理论技术的多Agent信息查找方法。它利用神经网络的方法自动地处理基于Agent的信息搜索和选择,利用模糊逻辑的理论处理Agent间通信和协作过程的不确定性和灵活性。该方法有效地增强了Web中信息搜索的精确性。     

带模糊控制的动态指针推进移动性管理策略

移动性管理是移动计算研究领域的一个挑战性课题.提出了一种带模糊控制器的动态指针推进移动性管理策略.这种策略以移动台的移动次数、指针链长度及位置管理的代价作为模糊控制器的输入,指针长度的改变量作为模糊控制器的输出,对指针长度进行动态调整.仿真实验结果表明：当移动台的呼入移动比较低时,这种策略比现行无线移动通信网络的移动性管理策略的性能更优.     

基于模糊逻辑的一类非线性系统直接自适应控制

针对一类连续非线性不稳定系统,基于模糊逻辑提出了一种新的自适应跟踪控制方法,在此方法中,控制器由两部分组成：模糊逼近控制器（FAC）和模糊滑模补偿控制器（FSMCC）,其中,FAC利用模糊逻辑系统全局逼近理论控制器,FSMCC用于全局补偿逼近误差和系统的不确定性及消除外部干扰的影响,整个闭环控制系统在Lyapunov意义下全局渐进稳定踊跃误差收敛于零的某一领域内,最后通过示例验证了本方法的有效性。     

模糊神经网络在感应加热电源应用的研究

针对感应加热电源具有非线性、时变性、难以建立准确数学模型的特点,本文提出将神经网络与模糊PID相结合,并引入补偿运算,构成一种新的具有可学习的自适应控制方法。该方法利用神经网络的自学习和模糊控制的不确定性等特点,引入神经网络不仅能够适当地调整输入、输出模糊隶属函数,而且能够借助于补偿逻辑算法动态地优化模糊推理,从而优化整个控制系统。通过对本文提出的算法、传统模糊PID算法以及模糊神经网络算法的仿真结果的对比可以看出,该算法较之传统模糊PID控制算法以及模糊神经网络算法具有鲁棒性更强、控制精度更高、可靠性更强等优势。