用粗集-模糊神经网络评定空袭目标威胁程度

针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上:在这个子空间上用改进的BP算法训练进行逼近.实验结果表明:通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求.     

空袭目标威胁评估的神经网络模型

空袭目标的威胁评估是防空作战决策和指挥的基本依据,是实现防空作战指挥自动化的环节之一,它的研究对防空作战有着重要的意义.本文在分析影响空袭目标威胁度因素的基础上,结合多属性决策权值的不确定性,利用神经网络的特点,建立威胁目标评估的神经网络模型.根据专家评估的训练样本,通过仿真证明了用神经网络模型评估空袭目标的威胁度的可行性,最后给出了威胁排序准则.     

基于模糊神经网络的电池剩余电量计算模型

为了有效地对电池剩余容量进行预测,在分析了与电池剩余电量相关因数的基础上,提出了基于模糊神经网络的电池剩余电量预测模型,充分利用了模型可逼近任何多输入输出参数函数的性能.系统通过样本训练达到了较好的仿真结果.从现场实验的数据分析,该模型能较准确地预测电池剩余电量,为电池管理系统提供了一种新的预测方法.     

基于粗糙集理论的模糊神经网络及其在化纤生产过程中的应用

提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练。化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性。     

基于Rough集理论的模糊神经网络构造方法

提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力,而模糊神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先,利用Rough集理论对给定数据集进行规则获取;然后,根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值;最后,用BP算法迭代求出网络的各种参数,完成网络的设计。给出了一个二维非线性函数拟合的实例,进一步验证了方法的正确性。     

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。     

基于粗糙集模糊神经网络的爆破振动预测

以某地下水封洞库爆破工程为研究对象,全面考虑影响爆破振动的各种因素,提出了基于粗糙集理论的模糊神经网络(RS-FNN)预测方法进行质点峰值速度和主频率预测。首先采用粗糙集理论获得最优属性集,然后对实测数据进行模糊处理,建立质点峰值速度和主频率的12-25-1 RS-FNN网络预测模型,并与基于萨道夫斯基经验公式的预测模型进行对比研究。研究结果表明:RS-FNN对质点峰值速度预测要优于经验公式,同时,RS-FNN也首次实现了对主频率的预测,为保障工程爆破安全提供了一定的理论指导。     

基于粗糙集理论的水质模糊综合评价

针对水质评价中存在指标选取主观和赋权计算繁琐等问题,提出了利用粗糙集做属性约简,消除不相关和不重要的指标;运用属性重要度对约简后的指标赋权,并应用模糊综合评价进行水质评价。结果表明,粗糙集理论应用于模糊综合评价和传统模糊综合评价的结果基本一致,而且粗糙集属性约简和属性重要度赋权能够达到客观选取指标、简化水质评价过程等目的。     

用模糊神经网络实现结构的主动控制

本文利用模糊联想记忆神经网络作为控制器，对任意初始状态的结构自由振动进行主动控制。控制过程中无须知晓结构振动的数学模型且对过程参数不敏感。数值仿真的结果表明，该控制器具有较强的适应能力和良好的稳定性，结构受控后振动衰减迅速，且控制器结构简单。     

基于模糊神经网络的火灾信号处理

根据火灾探测的特点,提出相应的模糊神经网络,论述综合处理多种火灾信号的模糊处理计算模型;针对具体应用,对网络结构进行了改进。由于模糊神经网络的自适应特性和推理过程易于理解的特点,它很适用于高层建筑这样的复杂环境,并可明显提高火灾探测的灵活性和准确性。     

基于模糊神经网络的公差-成本模型研究

研究了面向制造环境的公差-成本模型。对制造环境中有关的加工因素进行分类及模糊化处理,构造了加工因素的成本模糊影响系数,并以此系数和零件公差作为输入,建立了基于模糊神经网络的公差-成本模型。此模型在表征加工成本、公差关系上的精度较高,更适应面向制造公差设计的要求。     

基于模糊神经网络的故障诊断方法研究

将模糊原理引入神经网络,对机械设备的故障诊断方法进行了研究,介绍了具体实现过程及原理,论证了单症兆和多症兆诊断的模糊模型分别与一定条件的单层神经网络等价,建立了单症兆和多症兆诊断的模糊神经网络模型,并由此模型建立了模糊神经网络故障诊断专家系统(FNN)模型.介绍了该模型在66-10空压机上的具体实现过程.     

一种粗模糊神经分类器

介绍一种新的粗集编码模糊神经分类器。基于粗集理论的概念，讨论了知识编码、属性简化、分类系统简化的方法；并利用模糊隶属度函数将输入精确信息映射为模糊变量信息，解决分类中病态定义的数据问题和提高系统非线性映射的分类能力；提出了结合系统参数的重要性因子的网络的模糊推理方法和粗模糊神经分类器的网络结构以及有导师的最小平方误差学习训练算法。实现的粗集编码模糊神经分类器具有网络结构空间维数低、学习算法简单、网络训练时间短、非线性特性丰富等优点。     

模糊神经网络推理决策

将模糊技术和神经网络技术有机地结合起来,研究了模糊神经网络推理决策方法.研究了神经网络组合输出方法,大大简化了推理神经网络的结构.采用组合输出结构的模糊神经网络充分发挥了模糊技术和神经网络技术各自的优点,使决策推理更加简捷有效.     

故障诊断的模糊神经网络模型

论证了单症兆和多症兆诊断的模糊模型分别与一定条件的单层神经网络等价，从而建立了单症兆和多症兆诊断的模糊神经网络模型。基于模糊诊断原理，阐述了模糊神经网络模型是由若干独立单元组成的可扩充的组合式结构，进而提出一种修改或扩充子网络或子结点及其权重连线的可塑性学习方法。基于此模型建立了旋转机械故障诊断专家系统，以现场实际例子对模型的应用进行了说明。     

基于模糊贝叶斯网络的态势威胁评估模型

针对传感器测量数据的不确定性,提出基于模糊贝叶斯网络的态势威胁评估模型,该模型首先将不确定性数据分为模糊域和概率域两大类,然后在模糊域使用模糊综合评判得到威胁目标的动态威胁度,接着运用可能性概率转换理论将模糊表示的动态威胁度转化成概率域知识,最后在概率知识域使用贝叶斯网络推理算法得到目标的威胁等级.实例计算表明,该方法能够较好的反映威胁源的威胁等级,为武器系统选择跟踪打击目标提供决策依据,具有一定的实用性.     

基于粗神经网络的企业组织创新风险预警

提出了基于粗神经网络的企业组织创新风险预警模型,通过粗集减少属性的数量,提取主要的特征属性,降低神经网络构成系统的复杂性及计算时间;结合神经网络系统的容错能力、并行处理能力、抗干扰能力及处理非线性问题能力,将粗集与神经网络进行串行结合.实例研究表明,将Rough Set与BP神经网络结合起来应用于企业组织创新风险预警,大大简化了BPNN的结构,减少了网络的计算量,加快了收敛速度.     

于GA-BP模糊神经网络的商业银行信用风险评估

研究了商业银行信用风险评估的现状,针对单独应用BP神经网络评估信用风险时存在的缺陷,提出了基于遗传算法优化模糊BP神经网络的信用风险评估新模型.通过遗传算法训练模糊BP神经网络,克服网络建模中产生的局部极小的缺点,提高了风险评估的准确性.最后,利用Matlab软件对样本数据进行训练和测试,仿真结果表明所构造的评估模型预测误差非常小.     

最小-最大模糊神经网络差分进化算法研究

该文利用二维正弦函数对DE算法和最小-最大模糊神经网络(MMFNN)结构优化策略进行测试,用MATLAB编程。在DE算法测试中,方差为0.0085,实验误差0.0078,实验结果表明:DE算法具有高效性与精准性。在MMFNN算法测试中,错误兼容率为0.0097,小于设定的错误兼容率0.01,验证了MMFNN结构的准确性。将2种算法的实验结果进行比较,DE算法比MMFNN算法优化效果好,有效性和精准性高,为将来人工智能和计算机电子信息等领域解决优化问题提供理论依据。