基于ANFIS和证据理论的信息融合研究

提出了一种基于自适应神经网络-模糊推理系统(ANFIS)和D-S证据理论相结合的信息融合方法.利用神经网络的学习功能提取模糊规则和调整隶属函数,然后用自适应神经网络-模糊推理系统的输出构造证据理论中的基本概率赋值,解决了证据理论中的基本概率赋值不易确定的问题.该方法实现了模糊推理、神经网络和证据理论的有效结合,使得证据理论具备智能信息处理的能力,并应用于雷达与红外复合制导的目标识别融合系统.仿真结果表明:该方法提高了目标识别的置信度,降低了系统虚警率,融合结果也更加合理.     

公共工程项目风险评价的神经网络方法

公共工程项目整个生命周期中存在着大量的不确定性因素.在详细分析公共工程项目内外环境影响因素的基础上,建立了公共工程项目风险评价指标体系,并构造了一种适用于高维输入的神经网络模型及改进算法,建立了网络自组织调整隐节点优化规则.然后采用模糊综合评价确定各风险因素的数值化评价值,结合构造的高维神经网络模型对公共工程项目投资风险的概率大小进行综合评判,并建立了一种风险预警机制.最后结合案例,对公共工程项目风险评价作出了较为客观的评价,该方法有效地弱化确定权重时的人为因素;为解决复杂的公共工程项目风险综合评价提供了一种新的方法和思路.     

基于神经网络和空域聚类的时频掩蔽值估计波束形成

为进一步提升基于时频掩蔽值的波束形成的性能,提出集成基于神经网络的复值时频掩蔽值估计和基于空域聚类的实值时频掩蔽值估计的波束形成方法,旨在提高声源存在概率估计的准确性。该方法首先提取输入信号的时频特征和空域特征,将时频特征输入到神经网络得到复值时频掩蔽值。利用复值时频掩蔽值中信号的幅度和相位信息,提升存在概率估计的准确性。随后,将神经网络估计的声源存在概率作为空域聚类方法的初始时频掩蔽值,通过期望最大化算法迭代估计时频掩蔽值,从而缓解神经网络方法因数据不匹配带来的性能衰减问题。实验表明,所提集成方法相比基线系统的相对词错误率取得了7.6个百分点的性能提升。     

用神经网络进行雷达辐射源识别研究

为提高雷达辐射源识别系统的识别率，分析了BP神经网络、径向基神经网络和径向基概率神经网络等3种神经网络的结构和性能．用假设的10部雷达参数产生数据进行实验．仿真结果表明，应用径向基概率神经网络能大幅提高雷达辐射源识别的识别率，该网络在雷达辐射源识别中的分类性能明显优于其他2种神经网络．     

概率神经网络在超谱图像分类中的应用

针对超谱图像高维光谱信息给传统分类带来的困难,结合径向基神经网络的原理,提出了一种概率神经网络分类方法。并将其成功应用到具体超谱图像数据中,验证了概率神经网络分类器的有效性。通过实验仿真,研究了特征向量维数对分类结果的影响,证明概率神经网络可应用于大于100个波段的超谱图像数据。     

基于改进概率神经网络的手势动作识别

为寻找一种快速且高识别率的手势识别方法,提出一种基于改进的概率神经网络手势识别算法。该算法采用K-W检验方法实现sEMG（Surface-Myoelectrogram Gestures）的特征选择,利用粒子群优化方法对传播率参数进行优化。在7种手部姿势识别的实验中,该算法平均正确识别率均在90%以上,而传统BP算法的正确率仅为85.7%。仿真实验结果表明,改进的概率神经网络算法具有更短的训练时间和更强的分类能力。     

基于改进的邻域粗糙集与概率神经网络的水电机组振动故障诊断

提出了一种基于改进的邻域粗糙集与概率神经网络的水电机组振动故障诊断方法.该方法将邻域粗糙集中的近似精度与信息论观点中的条件熵结合,提出近似条件熵的属性约简算法,减少故障冗余信息,得到最优决策表,并将得到的最优决策表作为概率神经网络(PNN)的训练样本,提高了PNN的训练速度和诊断效率,通过实验证明了所述方法的可行性和有效性.     

递归神经网络的进化机器人路径规划方法

针对机器人递归神经网络控制器在进化优化过程中存在的问题,利用改进的进化算法对递归神经网络控制器进行优化设计,提出了一种基于递归神经网络的进化机器人路径规划算法,该算法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整.给出了算法的具体步骤,并与基于标准前馈网络的路径规划方法进行了比较.仿真结果表明递归神经网络控制器对动态未知环境具有更好的适应性.     

基于LMD和PNN神经网络的列车辅助逆变器故障检测

针对列车辅助逆变器故障信号非平稳的特性,本文提出了一种基于局部均值分解方法和概率神经网络的地铁辅助逆变器的故障诊断方法。通过对采集到的列车故障信号进行局部均值分解,将非平稳信号分解成多个乘积函数(product function,PF)分量,并利用概率神经网络(probabilistic neural network,PNN)模型,将故障信号进行检测和分类,最后采用Matlab进行仿真实验。仿真结果表明,局部均值分解方法对非平稳信号的处理效果良好,特征向量输入到概率神经网络进行训练分析,PNN神经网络故障诊断正确率较高,30组测试样本输出结果对于逆变器故障检测结果均是正确的。该研究可以准确识别列车辅助逆变器的不同故障类型,能够满足对列车辅助逆变器的故障检测要求。     

基于ADE-WNN的水电机组振动故障诊断方法

水电机组振动特征和故障类型之间存在复杂的非线性关系,结合小波神经网络和自适应差分进化法,提出一种新型水电机组振动故障诊断方法。该算法具有进化计算和群体智能的特点,能够根据个体的状态自适应调节交叉概率因子和缩放因子;自适应差分进化算法应用于小波神经网络的参数搜索中,加快了小波神经网络的训练速度,提高了网络训练精度。实验结果表明:该方法比传统的基于BP神经网络和小波神经网络的故障诊断方法,具有更高的准确度和更快的诊断速度。     

模糊神经网络在水文水资源应用中的研究进展

模糊神经网络结合了模糊逻辑的推理能力及神经网络的自学习能力,使其具备强大的结构式知识表达能力、自身参数调整优化的能力和较好的预报效果.同时在介绍模糊神经网络模型的特点、结构基础上,着重介绍了模糊神经网络在水文水资源领域的研究现状,并指出了其在理论及应用中存在的问题.     

基于结合模拟退火算法的动态模糊神经网络的软件可靠性增长模型

利用模拟退火算法对动态模糊神经网络的自身参数进行动态调整(SAA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。用软件失效数据在对动态模糊神经网络进行训练的过程中,用模拟退火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。根据3组软件缺陷数据,将SAA-DFNN建立的SRGM与模糊神经网络(FNN)、BP神经网络(BPN)、G-O模型建立的SRGM的预测能力进行比较,仿真结果表明,根据SAA-DFNN建立的SRGM的单步向前预测能力稳定,预测误差小,并具有一定的通用性。     

汽车半主动空气悬架自适应模糊神经网络控制

考虑空气悬架弹簧刚度可调的特性,建立了车辆5自由度的半主动悬架非线性动力学模型.提出了一种基于自适应模糊神经网络系统结构的模型,参考自适应控制方法来研究汽车半主动空气悬架的非线性控制问题,并考虑半车模型前后悬架的输入时滞,对其进行了仿真分析.研究结果表明:该控制方法能够使人体垂直加速度、车身垂直加速度和俯仰角加速度都得到很大的衰减,可在一定程度上减少路面对车身的振动冲击,提高汽车的行驶平顺性.     

基于ANFIS的汽车自动变速器换档规律的决策判断

自动变速器根据车辆的行驶状态判断最佳的换档时刻,从而产生了换档规律图.但常规的神经网络决策方法在换档规律的决策过程中存在着一些问题.结合了模糊逻辑系统和神经网络二者的优点,根据汽车自动变速器已知换档规律图,运用ANFIS 建模对自动变速器的换档规律进行非线性逼近和预测.结果表明ANFIS能够更好地根据车辆行驶状态决策判断出最佳换档点.     

一种模糊控制系统的神经网络方法

基于ＦＡＭ神经网络，采用Ａ．Ｋａｗａｍｕｒａ等人提出Ｎｅｕｒａｌ－Ｆｕｚｚ协作系统概念，实现模糊系统。网络保留了模糊控制系统的优点，知识采集方便，较之一般ＢＰ网，空间结构清晰，编码意义明确；同时具有学习功能，解决ＦＡＭ神经网络不易修改控规则的缺点，学习速度快。     

The study of fuzzy chaotic neural network based on chaotic method

This paper proposes a type of Fuzzy Chaotic Neural Network (FCNN). Firstly, the model of recurrent fuzzy neural network (RFNN) is considered, which adds a feedback in the second layer to realize dynamic map. Then, the Logistic map is introduced into the recurrent fuzzy neural network, so as to build a Fuzzy Chaotic Neural Network (FCNN). Its chaotic character is analyzed, and then the training algorithm and associate memory ability are studied subsequently. And then, a chaotic system is approximated using FCNN; the simulation results indicate that FCNN could approach dynamic system preferably. And owing to the introducing of chaotic map, the chaotic recollect capacity of FCNN is increased.     

基于小波神经网络的结构系统可靠性优化设计

针对具有非正态随机参数的可靠性优化设计,利用随机摄动-Edgeworth级数方法,将可靠性概率约束转化为等价的确定型约束,并运用优化算法求取结构可靠性优化设计的初始点。利用随机模拟-小波神经网络方法有效地解决了具有多失效模式的结构系统可靠性优化设计中系统功能函数难以显性表达的问题。并利用网络的逆映射功能实现了结构系统可靠性优化设计,实验结果表明上述方法是行之有效的。     

基于神经网络的模糊模式识别算法研究

模糊信息理论是一种基于模糊集理论的信息科学,人工神经网络是模式识别中的常用方法,文章把模糊理论和人工神经网络结合起来用于字符识别,得到很好的识别效果。     

人工智能技术在材料成形中应用的进展

回顾了近年来神经网络、模糊逻辑、专家系统等人工智能技术在金属轧制等材料成形过程中应用的新进展,介绍了利用智能化方法进行参数预报、过程控制、信息处理的研究和应用情况,对进一步发展作了展望。     

钢管混凝土拱桥安全性智能评价系统研究

依据层次分析法的基本思想，建立了完整的大跨度钢管混凝土拱桥安全性评价模型及其指标体系，并引入模糊理论和神经网络技术建立了大跨度钢管混凝土拱桥安全性智能评价系统。通过实际工程检验，评价结果直观简单，较好的反映了在役桥梁结构的安全性状况，证明该评价系统的可行性与实用性。