自适应神经模糊推理系统的参数优化方法

自适应神经模糊推理系统(ANFIS)将模糊推理系统(FIS)中的模糊逻辑规则及隶属度函数参数通过神经网络的自学习来整定,自动产生模糊规则和调整隶属度函数,解决了模糊控制系统中模糊推理规则主要根据专家经验设计、缺乏自学习能力、控制精度不高等问题.而在建立一个初始系统进行训练时,其训练次数、隶属度函数的数目及类型都是待定的,这三个参数的选择直接影响系统训练后的效果,其确定方法值得研究.本文应用自适应神经模糊推理系统对一个典型系统进行建模仿真,并提出三个参数的寻优方法.     

应用自适应神经模糊推理系统(ANFIS)进行建模与仿真

模糊规划的提取和隶属度函数的学习是模糊推理系统设计中重要而困难的问题，自适应神经模糊推理系统（ANFIS）方法基于Sugeno模糊模型，其结构类似于神经网络，采用反向传播算法和最小二乘法调整模糊推理系统的参数，并能自动产生模糊规划，本文应用该方法给出了对一个典型系统建模的仿真实例，取得了良好的效果。     

基于Sugeno型神经模糊系统的交通流状态预测算法

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.     

一种新的神经模糊系统及其学习算法

本文提出一种规则结论部分的语言变量具有离散隶属度函数的、基于Mamdani形规则的新神经模糊系统,并描述了它的学习算法.新神经模糊系统由模糊推理系统及其一一对应的神经网络系统构成.在只有训练数据的情况下,首先提出了一种基于RBF神经网络的模糊建模方法.而在模糊推理系统由模糊建模或者直接由专家经验知识确定后,应用梯度下降法优化神经网络系统参数.倒立摆控制和时间序列预测的仿真试验体现了本文提出的新的神经模糊系统的可用性和优越性.     

基于自适应神经网络模糊推理的负荷预测

针对中长期负荷预测,本文将模糊理论与神经网络相结合,提出了基于高木-关野自适应神经网络模糊推理系统的中长期负荷预测模型.该模型采取神经网络技术对模糊信息进行处理.使得模糊推理系统的模糊规则和模糊隶属度函数能通过学习功能自动生成,从而有效地解决了模糊理论中必须根据专家经验人为制定规则和隶属度函数的瓶颈及采用神经网络所获得的输入/输出关系不易被人接受的问题;并以湖南省安乡县经济发展指标和全社会用电量为基础数据,通过高木--关野自适应神经网络模糊推理系统对安乡县预测年份全社会用电量水平的进行预测分析.算例表明,该推理系统计算快捷.准确性高,在电网规划中长期负荷预测中有较强的实用价值.     

基于UKF的自适应模糊推理神经网络

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点。针对这一问题,本文提出了基于UKF的自适应模糊推理神经网络(UKF-ANFIS)。首先,通过减法聚类确定UKF-ANFIS的模糊规则及其高斯隶属函数的中心和宽度参数;其次,分析了模糊神经网络的非线性动力系统表示,并用LLS和UKF分别学习线性和非线性的参数;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则;最后,通过典型的函数逼近和系统辨识实例,表明本文算法得到的模糊神经网络的结构更为紧凑,泛化性能也更佳。     

潜艇垂直面运动自适应神经网络模糊控制仿真

神经网络控制和模糊控制技术的广泛应用为潜艇自动舵控制器的设计提供了新的思路.而模糊规则的提取和隶属函数的学习是模糊推理系统设计中重要而困难的问题,自适应神经网络模糊推理系统(ANFIS)结合模糊控制和神经网络控制的优点,基于sugeno模糊模型采用反向传播法和最小二乘法调整模糊推理系统的参数,并自动产生模糊规则.利用方法对潜艇乖直面运动自动舵控制器进行了设计和仿真.从仿真结果来看,自适应神经网络模糊控制器能较好的实现对潜艇垂直面运动的操纵控制,是一种很好的控制方法.     

一种用模糊－神经技术建造专家系统的方法

本文提出了一种用模糊－神经技术建造专家系统的方法（ＦＮＴ方法）。从领域专家处获取的知识是以模糊规则和隶属函数的形式表示的。根据本文提出的方法，首先将模糊规则和隶属函数用神经网络表示出来（导入）；生成的神经网络用于实现模糊推理，然后利用修改的反传算法训练神经网络，从而提高系统的精度，修改隶属函数，求精模糊规则；最后从神经网络中提取隶属函数和模糊规则（导出），帮助解释神经网络的内部表示和操作。利用本文所提出的方法建造的系统可实现快速的无匹配模糊推理，并具有较强的学习能力。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器对二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.     

基于改进模糊聚类与ANFIS的高速公路事件检测

为了准确并及时地发现高速公路上的交通事故隐患,减少事故引发的交通延迟,提高高速公路运行安全性,结合减法聚类与模糊C均值（FCM）聚类算法对输入样本数据进行聚类,建成初始模糊推理系统,然后通过神经网络的自学习机制,训练模糊系统参数,确定模糊推理规则,建立最终模糊模型。通过仿真实验结果对比,验证了基于改进模糊聚类与自适应神经模糊推理系统（ANFIS）建模方法的有效性。     

一种基于聚类的超闭球模糊神经网络

针对一类不确定非线性多输入多输出复杂系统,根据系统的输入输出数据对,提出一种基于聚类的超闭球模糊神经网络系统．该系统通过改进的模糊聚类方法（FCM）确定模糊规则数,采用高维隶属度函数取代常规的单维隶属度函数,并对隶属度函数中心值和隶属度函数参数采用一步通过算法,所提方法可降低系统的模糊规则数,简化网络计算．此外,当系统的输入输出发生变化时,可实现模糊规则库的在线修改．仿真实例验证了所提方法的有效性．     

基于减法聚类模糊推理系统的短期负荷预测

采用减法聚类辅助模糊推理系统进行电力系统短期负荷预测。首先用减法聚类建立T-S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,最后利用梯度下降混合最小二乘算法精调参数。利用某局网负荷数据对ANFIS网络模型进行训练和检测,然后用于负荷预测,所得结果表明该算法鲁棒性好,抗干扰能力强,并且预测时间较ANFIS大大减少。     

一种基于模糊神经系统的图像去噪方法

提出一种对含有高斯噪声的数字图像的去噪方法,这种方法能够增强高斯噪声滤波器的性能,减少去噪对图像造成的模糊和失真。设计了一个模糊推理系统（FIS）,并利用ANFIS训练这个FIS。通过训练可以调整、优化FIS的内部参数值。训练图像数据由计算机程序自动生成。优化后的FIS即可处理输入的图像数据,产生增强的图像。从结果图像的视觉效果和量化标准两方面的实验和分析,可以看出这种方法可基本消除高斯噪声滤波器产生的模糊和失真,提高滤波器性能。实验表明模糊神经系统可以应用于图像去噪问题。在合理地选择隶属度函数、规则和训练数据的前提下,会产生明显的图像增强效果。     

A systematic approach to a self-generating fuzzy rule-table forfunction approximation

In this paper, a systematic design is proposed to determine fuzzy system structure and learning its parameters, from a set of given training examples. In particular, two fundamental problems concerning fuzzy system modeling are addressed: 1) fuzzy rule parameter optimization and 2) the identification of system structure (i.e., the number of membership functions and fuzzy rules). A four-step approach to build a fuzzy system automatically is presented: Step 1 directly obtains the optimum fuzzy rules for a given membership function configuration. Step 2 optimizes the allocation of the membership functions and the conclusion of the rules, in order to achieve a better approximation. Step 3 determines a new and more suitable topology with the information derived from the approximation error distribution; it decides which variables should increase the number of membership functions. Finally, Step 4 determines which structure should be selected to approximate the function, from the possible configurations provided by the algorithm in the three previous steps. The results of applying this method to the problem of function approximation are presented and then compared with other methodologies proposed in the bibliography.     

Type-2 fuzzy hybrid expert system for prediction of tardiness in scheduling of steel continuous casting process

This paper addresses an interval type-2 fuzzy (IT2F) hybrid expert system in order to predict the amount of tardiness where tardiness variables are represented by interval type-2 membership functions. For this purpose, IT2F disjunctive normal forms and fuzzy conjunctive normal forms are utilized in the inference engine. The main contribution of this paper is to present the IT2F hybrid expert system, which is the combination of the Mamdani and Sugeno methods. In order to predict the future amount of tardiness for continuous casting operation in a steel company in Canada, an autoregressive moving average model is used in the consequents of the rules. Parameters of the system are tuned by applying Adaptive-Network-Based Fuzzy Inference System. This method is compared with IT2F Takagi–Sugeno–Kang method in MATLAB, multiple-regression, and two other Type-1 fuzzy methods in literature. The results of computing the mean square error of these methods show that our proposed method has less error and high accuracy in comparison with other methods.     

基于自适应神经模糊推理系统的视频烟雾检测

提出一种基于自适应神经模糊推理系统的视频烟雾检测算法。从视频图像中提取烟雾特征,采用减法聚类确定模糊规则数,建立初始模糊系统。通过神经网络的自学习机制调整前提参数和结论参数,确定模糊推理规则。实验结果表明,与传统BP神经网络算法及支持向量机算法相比,该算法具有较优的ROC曲线特性。     

一种自适应模糊系统(英)

采用模糊计算与神经计算相结合的方法，本文提出一种自适应模糊系统模型——AFS．AFS采用前向神经网络来实现模糊推理规则，运用模糊一致矩阵方法实现动态自适应以及最大关联隶属原则执行模糊决策．最后通过若干实例以说明AFS的性能．