基于遗传算法优化的模糊神经网络车型识别

针对模糊神经网络中的隶属函数构造和推理规则建立两个难点,提出一种改进的遗传算法完成了隶属函数的自动生成和模糊规则的自动提取。其中采用的动态高斯变异算子,确保了进化初期有效地搜索解空间,进化后期则具有局部精确搜索的性能,提高了收敛速度,得到了精简稳定的模糊神经网络模型,并将其应用到客车车型的自动识别中,结果显示了该方法的有效性。     

基于模糊神经网络的焊缝跟踪算法

将智能控制应用到焊缝跟踪系统中,采用模糊神经网络实现模糊控制的功能,提出了一种基于模糊神经网络的焊缝跟踪算法．实验结果表明,基于模糊神经网络的焊缝跟踪系统对于直线焊缝和平滑过渡的弯曲焊缝轨迹跟踪效果令人满意．     

基于模糊神经网络的印刷体汉字容错识别方法

类似于人脑的工作方式，模糊系统善于表达人的经验性知识，能处理难以依靠数学模型清晰表达的模糊性信息，在对汉字模式的辨识中具有较强的抗噪性。文中利用4层神经网络方法实现的一种模糊分类器，弥补了单纯的神经网络和单纯的模糊系统各自的不足，实现了模糊系统中规则的自学习性和自优化性，使系统具有很好的鲁棒性能。利用建立在一组网络上的表决机制，不仅降低了网络的复杂性，而且实现了对任意类数分类器的构造。实验结果表明，文中提出的方法很好地解决了对印刷体汉字进行客错识别问题。     

基于BP神经网络的船舶焊缝缺陷图像识别

提出了一种基于BP神经网络的船舶焊缝缺陷图像识别的方法,通过对船舶焊缝图像进行预处理,提取出有用的目标缺陷,再进行缺陷特征参数计算,将特征参数和焊缝缺陷类型分别作为输入层和输出层,利用BP算法设计3层结构的神经网络,对样本进行训练和识别。实验结果表明,BP神经网络能较准确地识别出船舶焊缝缺陷。     

基于模糊神经网络的数控机床故障诊断技术研究

为了解决数控机床故障诊断复杂的问题,应用神经网络技术,并结合模糊逻辑推理方法,构建了数控机床故障诊断模型。结合一台搭载FANUC系统的数控机床,选取典型的故障现象与故障原因作为样本,探讨了该模型在数控机床故障诊断中的应用。     

胶合板缺陷模糊神经网络检测算法

讨论了模糊逻辑和神经网络的工作原理,笔者在神经网络中引入模糊逻辑算法,将模糊逻辑处理不精确不完备信息的能力和神经网络的自适应自学习能力相结合,提出一种模糊神经网络算法,构建出模糊神经网络分类器,并且以胶合板缺陷检测为应用背景,对其分类的实时性、准确率等指标进行了验证,得到了分类精度93 33%,和训练次数5856次的良好性能.实验结果表明:在引入模糊逻辑算法后,基于模糊逻辑的神经网络分类器在模式分类精度和实时性等方面性能指标都得到了提高.     

基于模糊BP神经网络的抑郁症分诊系统

基于模糊逻辑和BP神经网络相结合的方式,提出了一种抑郁症的早期自动诊断方法,研究了抑郁症的分诊指标和分级标准的确定和模糊处理方法,把模糊量化的数据作为BP神经网络的输入,构建了合适的3层BP神经网络。仿真结果显示,综合运用模糊算法和BP神经网络的方法能达到优势互补的效果,构建的模糊神经网络用于抑郁症的诊断是可行的。     

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。     

基于T-S模糊神经网络的电晕放电模式识别方法

提出了基于T-S模糊神经网络的电晕放电模式识别方法,设计制作了三类电晕放电实验模型,并从采集的电晕放电信号中提取最大值、最小值、均值及其分形维数作为网络的输入特征向量,根据特征向量维数、隶属度函数类型及隶属度函数个数对T-S模糊神经网络的拓扑结构进行分析,将输入神经元个数为4、隶属度函数层为3个高斯型函数的网络确定为电...     

基于模糊神经网络的模式识别方法

讨论了3种模糊神经元和由其构成的模糊神经网络的基本原理及其学习和自适应机制,针对模糊模式识别问题,建立了一种基于BP学习算法的模糊神经网络模式识别系统,该系统兼有模糊逻辑控制和神经网络两种技术的优点,提高了模糊模式识别的准确性。     

基于神经网络实现模糊控制的方法

介绍了一般模糊控制器的结构和主要组成部分的工作原理，介绍了实现模糊控制的查表法，硬件表用模糊控制器和软件模糊推理法的特点。     

基于模糊神经网络的晶闸管三相桥式全控整流电路故障诊断

针对晶闸管三相桥式全控整流电路参数的不确定性和模糊性特点 ,提出了用智能诊断方法———模糊神经网络对其进行诊断 ,解决了参数存在模糊性和不确定性的难题 ,提高了诊断的可靠性 ,实验证明了该方法的有效性。     

模糊神经网络的舰载雷达辐射源识别方法

采用模糊神经网络方法,对舰载雷达辐射源进行识别,将模糊系统确定模糊推理规则以及如何推理决策作为黑盒子,只需给出模糊化的输入,即可得到决策输出．该方法具有简捷方便、快速、准确的优点,特别适用于复杂的识别问题。     

模糊神经网络控制器的仿真研究

简要介绍了一般模糊神经网络控制器的设计理论 ,仿真给出了基于 MATLAB控制器的模糊神经控制流程和算法 ,仿真实验表明该模糊神经网络控制器具有良好的动、静态性能、抗干扰性能和鲁棒性能     

一种基于遗传神经元网络的模糊控制系统

针对常用的基于BP网络的模糊控制器对模糊控制规则的学习难以达到理想效果的缺陷,采用遗传算法生成前向神经元网络,可同时对网络的极值与结构进行学习,基于此基础的神经网络模型控制系统具有良好的自适应特性。     

基于模糊加权论证方法的模糊神经网络

在‘Mamdani'论证方法的基础上提出改进的模糊加权推理方法.模糊神经网络是以改进模糊加权论证方法为基础发展起来的.网络加权和成员函数最优化的相互匹配在应用发展规则系统的条件下进行.模糊规则可根据网络加权而获得,网络模型的有效性和最优化程度可以由仿真实验检验.     

减影提取焊缝缺陷算法

针对射线胶片焊缝缺陷自动检测技术普遍存在难以自动准确识别缺陷的问题,提出了一种基于减影法的焊缝缺陷智能检测提取方法.首先使用模糊增强方法对焊缝图像进行灰度变换,而后利用像素标记提取焊缝并保留其原始灰度值,再对提取到的焊缝滤波,去除其内部缺陷,衍生出背景图像,最后根据减影法得到缺陷,并且计算出缺陷的特征参数.结果表明,经上述方法检测后的缺陷图像,对比待测焊缝原图,可以较为准确地检测出焊缝中存在的缺陷,具有较好地自适应性和实用性.     

B样条模糊神经网络在信息融合中的应用

针对多传感器信息融合方法的复杂性和多样性问题,依据智能融合理论,采用模糊逻辑和神经网络技术,提出了一种用于机器人多传感器信息融合的B样条模糊神经网络方法,并对其进行仿真,实验结果表明,该融合算法具有较强的学习能力和抗干扰能力,是一种比较实用的融合方法。