人工神经网络的模糊学习方法

提出一种基于模糊熵准则的人工神经网络的模糊学习方法。     

一种高效的自组织特征映射图的初始化方法

自组织特征映射图算法(SOFM,self-organizing Feature Map)在模式识别中有着广泛的应用.本文首先讨论了网络结构的初始化设置对自组织特征映射图构造的影响以及加速SOFM网络学习训练过程的主要方法,然后提出一种从边界到中心的自组织特征映射图初始化方法,该方法形成的自组织特征映射图能够真实地表示输入样本内在关系,大大减少学习训练次数,从而有效改进了传统的SOFM算法.     

一种基于多目标的自组织神经网络学习方法

自组织神经网络又称为无教师指导学习网络，可以自动地从环境中学习、获取知识、从而具有较强的自适应能力。目前，自组织神经网络在图象理解、模式识别、智能机器人控制等领域得到越来广泛的应用。但是，由于目前大部分组织神经网络都采用单准则无教师指导学习方法，从而导致了神经网络学习效率低等问题，这在一程度上影响了自组织神经网络更加广泛的有效应用。为此，本文提出了一种基于模糊熵准则和误差平方和准则的多目标（准则）自组织神经网络学习算法，该算法可以克服单准则无教师指导学习方法所存在的局限性，实验结果表明：该算法是有效的，并且较其它自组织神经网络学习方法，无论在学习效率上，还是在网络优化上，都具有很大的优越性。     

一种新的模糊神经元网络学习方法

提出了一种模糊神经元网络的学习算法即利用多 层多层模糊IF/THEN规则表达专家知识的神经网络学习方法，在以此构造的基于多源信息融合的分类系统中，采用了多层模糊IF/THEN规则进行分类。为了处理模糊语言值，提出了一种能够控制模糊输入矢量的神经网络体系结构。该方法能够对非线性实间隔矢量和模糊矢量进行分类，工程实验表明，此学习算法是切实可行的。     

一种基于神经网络的自组织模糊系统

提出了一种基于神经网络的自组织模糊系统,它能够根据输入输出数据灵活地划分模糊集合,由于采用模糊聚类方法和梯度下降法分两步对该系统进行训练,其收敛速度要比传统的ＢＰ算法快速得多,仿真结果表明该系统结构简单,学习速度快,规则数少,模糊精度高。     

一种基于神经网络的自组织模糊系统

提出了一个种基于神经网络的自组织模糊系统,它能够根据输入输出数据灵活地划分模糊集合。由于采肜模糊聚类方法和梯度下降法分两步对该系统进行训练,其收敛速度要比传统的BP算法快得多。仿真结果表明该系统结构简单,学习速度快,规则数少,模型精度高。     

基于自组织特征映射网络的模糊矢量量化算法

自组织特征映射（SOFM）是一种常用的矢量量化算法，它具有设计码书不依赖于初始码书等优点。模糊矢量量化算法（FVQ）将模糊关系引入码书的设计，训练矢量与码矢之间的模糊关系用隶属函数表示。本文提出了一种基于自组织特征映射网络的模糊矢量量化算法（FSOFM），FSOFM算法将SOFM网络的调节节点邻域看作训练矢量的模糊集，网络权值学习步长的选择依赖于隶属函数。由于设计码书的评价一般采用最小均方误差准则，而隶属函数是训练矢量与码矢之间距离的函数，FSOFM算法保证了网络的全局成优化和网络权值的局部调整一致；因此，FSOFM算法能够优化码书的设计，改善设计码书的性能。此外，FSOOFM算法还具良好的适应性，当网络的将LBG、SOFM、FVQ和FOSOFM算法用于一组具有不同边缘特性的图像的矢量量化中，我们发现采用FSOFM算法进行矢量量化的所有图像都具有最高的峰值信噪比PSNR。     

自组织特征映射网络在压缩编码设计中的应用

对自组织特征映射(SOFM)神经网络学习算法进行阐述.讨论SOFM神经网络学习算法,通过研究基于SOFM学习算法的矢量码书设计中存在的问题,提出一种改进算法.最后把这种算法应用在IP电话语音压缩编码的参数矢量量化上.计算机仿真结果表明,SOFM神经网络对于语音码书训练是非常有效的,改进的SOFM学习算法能够大大减少训练时间,提高整个系统的性能.     

一种自学习模糊智能控制器

本文从智能控制行为的特征变量出发,找出动态过程的特征信息,从而得到产生式规则来构成模糊控制器的自学习算法规则集,最后给出数字仿真的实例。     

一种新型自学习模糊控制器

本文设计了一种新的自学习模糊控制器,其模 糊规则与隶属函数分别由整数编码遗传算法与混沌优化算法在线学习,仿真结果验证了设计 的合理性与有效性．     

基于自组织特征映射神经网络的局部矢量量化算法

提出了一种基于自组织特征映射神经网络的局部矢量量化算法（Local vector quantizatin algorithm based on Self-Organizing Feature Mapping neural networks,LSOFM）,LSOFM算法是对SOFM算法的一种改进,它将隶属关系引入到参考点权值的修改中,自组织特征映射神经网络的领域大小的确定依赖于训练矢量与参考点之间的隶属关系。     

自学习模糊逻辑推理网络及模糊控制器的构成

提出了一种自学习模糊逻辑推理网络和自学习模糊控制器的构成方法.这种方法是 把RCE(Restricted Coulomb Energy)模型进行扩展.使其能够进行模糊逻辑推理,并用于构 成基于RCE模型的自学习模糊控制器RLFC(RCE—based Learning Fuzzy controller).这种 方法有以下特点:a)学习速度高.追加学习容易;b)网络的信息处理工作单元的个数由自学习 决定,通用性好;c)不存在局部极小点问题.自学习模糊控制器RLFC可以直接把熟练者的操 作知识转换成模糊控制规则,自动构成模糊控制器.数值仿真实验表明其效果良好.     

一种新型最优模糊控制器的应用

１引言常规模糊控制器的结构框图见图１．图中ｅ,ｃ和ｕ分别为误差、误差变化和控制量．ｋｅ和ｋｃ为量化因子,ｋｕ为比例因子．Ｅ、Ｃ和Ｕ分别为误差、误差变化和控制量的模糊语言变量．设定值→ｅ→ｋｅ→→ｃ↓ｋｃ→→模糊量化ＥＣ模糊控制→ｕ～ｋｕ→ｕ被控对象...     

A NEW DESIGN APPROACH FOR FUZZY‐LEARNING FUZZY CONTROLLERS

In this paper, a new approach to designing fuzzy‐learning fuzzy controllers for a system plant without an exact mathematical model is presented. The cost function is defined as the square of the sliding function to alleviate the difficulty of overshoot when on‐line learning is conducted. The learning mechanism of a fuzzy controller is constructed so as to minimize the cost function with a set of linguistic rules. Moreover, to reduce the complexity of the fuzzy‐learning fuzzy controller, the fuzzy mechanism used for learning and the fuzzy mechanism contained in the fuzzy controller are designed so as to have the identical structures. Finally, simulations are included to show the effectiveness of the fuzzy‐learning fuzzy controllers.     

软件复用库的模糊表示与查询方法

软件复用库是一种珍贵的软件资源，但是若没有很好地解决可复用软件部件的表示与查询问题，就不能切实有效地支持软件复用，本文介绍了模糊关键词、模糊分类、模糊超文本三种表示查询方法，提出一种能够根据使用记录自适应调整的动态模式，以便使软件复用库的表示模式与程序员的理解模式一致起来，实验表明，模糊方法能够有效地帮助程序员检索所需的软件部件。     

二进制神经网络分类问题的几何学习算法

分类问题在前向神经网络研究中占有重要位置.本文利用几何方法给出一个二进制神经网络K（≥2）分类问题的新学习算法.算法通过训练点的几何位置与类别分析，建立一个四层前向神经网络，实现网络输入向量分类.本文算法的优点在于:保证学习收敛且收敛速度快于BP算法及已有的其他一些前向网络学习算法;算法可以确定神经网络的结构且能实现精确的向量分类.另外，算法所建神经网络由线性阀值单元组成，神经元突触权值和阀值均为整数，特别适合于集成电路实现.     

用于神经网络学习推理的可视化工具的实现

本文针对模糊神经网络给出了三种学习算法。介绍了在Ｗｉｎｄｏｗｓ环境下采用面向对象技术开发的可视化工具,可方便地用于模糊神经网络的建模、学习和推理。软件工具虽然对针对模糊神经网络开发的,但也适用于一般神经网络。     

一种基于模糊聚类的隶属函数定义方法

隶属函数的确定是模糊集合理论及其应用的基本而关键的问题。本文提出了一种基于模糊聚类的、以训练样本数据为依据的、自动地确定模糊集合隶属函数的方法,为开发模糊系统节省了大量的时间和精力。     

一种模糊学习控制方法及其在多指手爪位置伺服系统中的应用

本文针对重复抓取与操作的多指手爪，提出了一种模糊学习控制方法，该方法利用先前的控制误差，逐步地修正不完善的控制规则，使系统的实际输出收敛于给定的轨迹，本文还给出了这种方法的收敛性条件，并应用于多指手爪的位置伺服系统中，改善控制性能，达到了预期的控制效果。     

A NOTE ON MEASURES OF SPECIFICITY FOR FUZZY SETS

This note discusses a few issues related to Yager's specificity index and the “possibilistic entropy” recently introduced by Higashi and Klir. A probabilistic interpretation of Yager's index is provided; moreover it is indicated that both indices can be straightforwardly extended to assess the amount of imprecision in Shafer's belief functions.