基于类高斯隶属函数的模糊万能逼近器性能分析

为了验证由三角形和高斯型隶属函数构造的逼近器均能以任意精度逼近非线性连续系统,引入了一种基于类高斯隶属函数的模糊逼近器设计方法,借助参数可调性来构造隶属函数的“泛模型”,从而实现三角形到高斯型两类隶属函数的切换.由类高斯隶属函数、单值模糊器、乘积型推理和中心平均解模糊器构成模糊逼近系统,并由万能逼近定理指出逼近精度及模糊子集数目的确定方法.与神经网络、决策树和小波级数等非线性万能逼近器相比,模糊系统具有可解释性强和可利用语言信息的独特优势.分别以一维和二维非线性系统为例进行模糊逼近设计与分析,逼近效果体现了不同的控制特性,证明了类高斯函数用于模糊隶属函数表示的合理性和有效性.     

BP、模糊、小波网络逼近性比较研究

对神经网络、小波网络和模糊小波网络函数逼近性进行对比,进而对采用正交化选择法和前向选择法净化小波时,小波网络和模糊小波网络对一维非线性函数逼近进行了分析.仿真结果证明模糊小波网络具有高精度的逼近能力和很强的泛化能力,该方法比小波网络和BP网络更优越,并且正交最小二乘法净化小波的性能指标优于前向选择法.     

基于格路模型的组合恒等式及其证明

用格路模型方法证明了一些组合恒等式,并进一步考虑带对角步的格路问题,给出了一些恒等式及其组合证明．     

PIE+MOM的Mamdani模糊系统通用逼近性充要条件

为了解决如何构造具有通用逼近性能的Mamdani模糊系统问题,提出一类Mamdani模糊系统具有通用逼近性的充要条件。该模糊系统采用乘积推理机（ product inference engine, PIE）和最大值平均（ mean of maximum, MOM）解模糊器,按模糊规则后件分为单点规则后件和模糊数规则后件两种情况,分别根据Weierstrass第一定理和隶属度函数性质给出了严格证明。最后通过示例证明该充要条件的有效性。     

两个具偶数元的代数不等式

通过证明1个组合恒等式和代数恒等式,并利用著名的Cauchy不等式,建立了2个新的具有偶数个变量的代数不等式,推广了《不等式研究通讯》杂志2004年第2期的CIQ-103问题和2005年第1期的CIQ-142问题.     

模糊神经网络研究

评述了模糊神经网络的结构、学习算法、模糊函数逼近和普适性等最新研究成果,并对模糊神经网络今后发展提出了新见解.     

两个具偶数元的代数不等式

通过证明1个组合恒等式和代数恒等式,并利用著名的Cauchy不等式,建立了2个新的具有偶数个变量的代数不等式,推广了<不等式研究通讯>杂志2004年第2期的CIQ-103问题和2005年第1期的CIQ-142问题.     

Narayana数相关恒等式的证明

从Narayana数的Dyck路的组合背景出发,结合点的坐标,建立了Dyck路之间一种新的一一对应,给出了与其有关的一些恒等式的组合证明,同时把发生函数的思想用到对相关恒等式的研究中。     

基于规则自动生成的模糊神经网络建模

该文提出了一种基于规则自动生成的模糊神经网络建模方法。该方法是利用样本数据自动生成模糊规则,再利用模糊逻辑的万能逼近能力来逼近理想输出,并且根据样本数据自动增加、删除或者修改模糊规则来达到优化模糊模型。介绍了广义动态模糊神经网络的结构和学习方法,并给出了实例来验证该方法是可行的,并优于MATIAB自带的自适应模糊神经网络取得的结果。     

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试,而且具有较高的理论和应用价值.本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型.模糊神经网络的学习算法采用的是快速的粒子群优化算法.仿真结果表明,该模型在预测水泥28d强度方面达到了很高的精度,有较好的实用价值.     

模糊系统与神经网络

从知识处理的观点出发，模糊系统与神经网络可按知识表示与结构对应，推理与计算对应，知识获取与学习对应进行系统研究；从函数逼近的观点出发，两者可用广用函数逼近意义上等价来统一处理。本文正是从知识处理和函数逼近两个角度研究了模糊逻辑系统与神经网络相结合的可行性和现实性。     

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试，而且具有较高的理论和应用价值。本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型。模糊神经网络的学习算法采用的是快速的粒子群优化算法。仿真结果表明，该模型在预测水泥28d强度方面达到了很高的精度，有较好的实用价值。     

浅析模糊系统与神经网络的结合

研究了模糊逻辑系统与神经网络相结合的可行性．从知识处理的观点出发，二者可按知识表示与结构对应、推理与计算机对应、知识获取与学习对应进行系统研究；从函数逼近的观点出发，二者可用广用函数逼近意义上等价来统一处理．     

一种模糊小波网络逼近性分析

基于多分辨率分析,本文研究了一种模糊小波网络。以B样条函数作为模糊小波网络的隶属函数,使其具有紧支撑和多分辨率特性,同时在理论上分析系统的逼近性,证明了函数集在范数空间中是稠密的和具有一致逼近能力。最后通过实验验证了其有效性。     

模糊神经网络在机载相机稳像中的应用

针对解决微型飞行器空中拍摄的图像抖动问题,采用自组织递归区间二型模糊神经网络的函数逼近及泛化能力对微型飞行器上的相机振动规律进行模拟,预测机载相机的振动矢量.该自组织递归区间二型模糊神经网络的初始规则数为零,所有规则都是通过结构和参数同时在线学习来产生,网络结构学习采用的是在线区间二型模糊群集,提高自组织递归区间二型模糊神经网络的稳定性及计算精度.仿真结果表明：将自组织递归区间二型模糊神经网络与双BP神经网络进行对比,利用自组织递归区间二型模糊神经网络对微型飞行器相机振动矢量进行预测的精度高.     

云神经网络的函数逼近能力

运用云理论,建立自适应神经-云推理系统(adaptive neuro-cloud inference system,ANCIS)的控制模型,并证明该模型具有全局逼近性质。首先将Zadeh模糊推理神经网络变为云推理网络,建立一个多输入单输出的T-S型ANCIS模型;然后设计系统变量的属性函数和推理规则,确定输入输出关系以及系统输出结果的计算表达式;最后通过证明所建模型的输出结果计算式满足Stone Weirstrass定理的3个假设条件,完成该模型的全局逼近性证明。     

CNG站模糊综合和神经网络的安全评价

影响CNG站安全的因素和CNG站安全状态之间存在非线性关系,利用神经网络的非线性逼近等特点,可以对CNG站安全状态作出准确可靠的评价.从CNG站的人员、设施、管理和环境4方面考虑建立了CNG站安全评价体系,利用模糊层次分析法确定各因素的权重,将岭型函数作为隶属度函数对CNG站进行模糊综合评价,从而求出神经网络所需的训练样本,最后用训练好的BP神经网络对未知CNG站的安全作出评价.用该模型对3座CNG站进行安全评价,评价结果与模糊综合评价得到的结果完全一致,因此该方法可以用于评价CNG站的安全状态,对CNG站的安全评价和管理提供了一种新的方法.