模糊神经网络的快速学习算法研究

对模糊神经网络的快速学习算法进行了研究，提出ＦＮＮ的最小二乘－单纯形产算法。解决了ＦＮＮ采用梯度型算法学习时所固有的局部收敛问题及跗算法在线应用的问题。与梯度型算法以及ＧＡ相比，ＬＳ－Ｓｉｍｐｌｅｘ算法具有更高的学习精度和更快的收敛速度，所得的ＦＮＮ具有良好的泛化性能。     

一种改进的模糊神经网络控制器学习算法

提出了一种改进的模糊神经网络混合学习算法,运用遗传算法优化构成隶属函数的网络结构,运用最小二乘法进行解模糊,具有更高的学习精度和更快的收敛速度,解决了在多变量系统中采用模糊神经网络时学习收敛慢且易陷入局部极小点的问题。     

递归模糊神经网络同步机变结构控制(Ⅰ)

根据裹包机的驱动系统控制精度较差的问题,提出采用应用递归模糊神经网络变结构控制线性同步电动机伺服系统,经过仿真,结果表明,该控制系统克服了上述缺点.     

基于进化动态递归模糊神经网络的上肢康复机器人自适应阻抗控制

针对机器人辅助患肢进行康复训练时患肢病情的变化对系统运动平滑性和稳定性造成的影响,在传统阻抗控制方法的基础上,提出了一种基于进化动态递归模糊神经网络(EDRFNN)的新的自适应阻抗控制方法。该方法根据在线辨识得到的患肢机械阻抗参数,运用EDRFNN对目标阻抗控制参数进行动态调整。在调整过程中,首先采用混合进化算法离线优化目标阻抗控制参数,然后再利用基于Lyapunov函数稳定收敛性理论设计的动态BP算法对目标阻抗控制参数在线作进一步的调整。分析和仿真结果表明,这种新的方法较其它阻抗控制方法更能有效地适应患肢病情的变化,且具有较好的平滑性和稳定性。     

模糊神经网络的理论发展与应用研究

本论文主要介绍了模糊神经网络的产生与发展过程,模糊神经网络的特点与结构,并结合实例对其在解决问题中的应用进行了说明。     

基于递归神经网络的传感器非线性动态建模

根据动态校准实验结果建立传感器的动态数学模型,以研究传感器的动态性能,是动态测试的一个重要内容。讨论了递归神经网络模型在传感器动态建模中的应用,给出了递归神经网络模型的结构及相应的训练算法。由于其反馈特征,使得递归神经网络模型能获取系统的动态响应。该方法特别适用于传感器非线性动态建模,而且避免了传感器模型阶次的选择的困难。试验结果表明,应用递归神经网络对传感器进行动态建模是一种行之有效的方法。     

基于模糊神经网络的决策支持系统的应用研究

论述了模糊神经网络的概念及特点，在此基础上提出了基于模糊神经网络的决策支持模型，还介绍了其运行计算的过程与方法，并通过农机选型配套的决策支持实例验证模型，说明模型对复杂的决策问题具有简单方便及快速准确做出反应的优点。     

基于模糊聚类的RBF神经网络算法

文章提出一种根据模糊聚类的思想来确定RBF神经网络隐层节点数,并用K-Means的聚类算法来训练RBF神经网络.并根据此算法进行仿真,并证明是有效的.     

基于CMAC的模糊神经网络方法

结合模糊神经网络和小脑模糊连接控制CMAC理论，提出训练时间短，精度高的CMAC模糊神经网络方法，给出了网络结构，算法，并通过一个维修经费预测实例讲述了这种算法。     

基于模糊神经网络的电梯群控算法研究

本文对常见的电梯智能群控算法进行了分析比较,重点研究了模糊神经网络算法。本文首先对大厦客流的特征进行长期统计分析,进而对电梯群交通模式进行分类,利用模糊神经网络对电梯群的交通模式进行了识别。根据系统的识别结果判定电梯群当前处于的交通模式。然后再次利用模糊神经网络对派梯算法中各电梯响应呼梯信号的可信度进行计算,选取可信度最大的电梯响应呼梯信号,最终完成派梯。     

一种模糊神经网络改进算法及其在振动强度识别中的应用

对传统模糊自适应Hamming网络算法进行了改进,通过引入新的模糊算法对传统算法中的类别选择函数进行改进,以提高网络的正确识别率,为了实现模式识别中网络的有序输出,对输出层获胜神经元的选取方法也进行了相应的改进。改进后的算法用于空调压缩机壳体振动强度的识别,利用模糊自适应Hamming神经网络综合考虑各测点振动、噪声信号所包含的信息,对壳体振动强度区域实现自动划分。通过改进师前、后两种算法在不同警戒参数下的试验结果发现,采用改进后的算法大大提高了网络的正确识别率,并能够很好地实现网络的有序输出。     

Fuzzy Optimization of an Elevator Mechanism Applying the Genetic Algorithm and Neural Networks

1Introduction Wormgearingisoftenappliedforpowertransmissioninanelevatormechanismbecauseitgivesa greatreductioninrelativespeedandalargeincreaseineffectivepower.Soastoeconomizethenon ferrousmetalofthetoothcoronaofawormgear,itisveryimportanttoadoptoptimizationmethodsto designthewormgearing.2Principleofthegeneticalgorithm Thegeneticalgorithm[1]isamethodforsolvingoptimizationproblemsthatisbasedonnaturalselec tion,theprocessthatdrivesbiologicalevolution.Thegeneticalgorithmrepeatedlymodifiesapopu la…     

过程神经网络的训练及其应用

研究过程神经网络的学习算法及其在过程模式识别中的应用。针对权值基展开的过程神经网络讨论了权值基的选取规则和对采样曲线的标准化处理问题,给出了含一个隐层的过程神经网络的误差反传播学习算法。以聚合化学反应和渗流实验两个具体实例验证了算法的有效性,也说明了过程神经网络的广泛应用前景。     

基于B样条函数的模糊神经网络

通过研究Ｂ样条函数在模糊系统和神经网络系统中的应用，探讨了通过Ｂ样条函数，结合模糊系统和神经网络的各自特点，构造模糊神经网络的方法，并提出了具体的网络模型以及相应的学习方法。     

Forecasting E-Commerce Adoption Based on Bidirectional Recurrent Neural Networks

E-commerce refers to a system that allows individuals to purchase and sell things online. The primary goal of e-commerce is to offer customers the convenience of not going to a physical store to make a purchase. They will purchase the item online and have it delivered to their home within a few days. The goal of this research was to develop machine learning algorithms that might predict e-commerce platform sales. A case study has been designed in this paper based on a proposed continuous Stochastic Fractal Search (SFS) based on a Guided Whale Optimization Algorithm (WOA) to optimize the parameter weights of the Bidirectional Recurrent Neural Networks (BRNN). Furthermore, a time series dataset is tested in the experiments of e-commerce demand forecasting. Finally, the results were compared to many versions of the state-of-the-art optimization techniques such as the Particle Swarm Optimization (PSO), Whale Optimization Algorithm (WOA), and Genetic Algorithm (GA). A statistical analysis has proven that the proposed algorithm can work significantly better by statistical analysis test at the P-value less than 0.05 with a one-way analysis of variance (ANOVA) test applied to confirm the performance of the proposed ensemble model. The proposed Algorithm achieved a root mean square error of RMSE (0.0000359), Mean (0.00003593) and Standard Deviation (0.000002162).     

模糊神经网络在精密三轴转台机械台体故障诊断中的应用研究

针对三轴转台机械台体故障,提出了一种基于模糊神经网络的故障诊断方法,给出了模糊神经网络的结构和学习算法,并阐述了模糊故障诊断原理和故障判别方法将振动信号和电流噪声信号结构用于机械台体的故障诊断,测试结果表明,该方法是有效的。     

基于深度循环神经网络的社交网络用户情感研究

目的 将深度学习与社交网络、情感计算相结合,探索利用深度神经网络进行社交网络用户情感研究的新方法和新技术,探索模型在用户需求分析和推荐上的应用.方法 自动筛选和挖掘海量社交网络数据,研究具有长时记忆的非先验情感预测方法,对网络中海量的用户数据、人与人之间关系进行建模,为关联时间序列创建LSTM模型,并结合其相互关系融入统一的大型深度循环网络中.具体包括:基于注意力模型的社交网络异构数据处理;基于深度LSTM的长时记忆建模,研究子网络选取、深度LSTM设计,以及针对社交网络的大型网络结构设计;基于社交网络情感模型和强化学习的推荐算法.结果 提高了分析的准确度,降低了对先验假设的依赖,减轻了人工情感模型的工作量和偏差,增强了对不同网络数据的普适性;供深度模型使用.结论 研究成果促进了深度学习与情感计算的结合,可推动网络用户行为分析和预测的研究,可用于个性化推荐、定向广告等领域,具有广泛的学术意义和应用前景.     

基于神经网络的回归学习算法收敛性分析

本文利用最小二乘理论研究学习理论中的回归问题.其目的在于利用概率不等式与神经网络的逼近性质来分析回归学习算法的误差.结论表明,当回归函数满足一定的光滑性时,得到较为紧的上界且该上界与输入空间的维数无关.