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。     

基于蚁群优化算法的模糊神经网络控制器及仿真研究

提出了一种基于蚁群优化算法的模糊神经网络控制系统,并介绍了模糊神经网络控制器的结构及其参数的蚁群优化算法.仿真结果表明了该方法的可行性和有效性.     

基于模糊距离的BP网络板形信号模式识别的研究

介绍了一种新的板形信号模式识别方法。该方法基于待识别信号与标准样本之间的模糊距离。并将模糊距离作为ＢＰ网络的输入，有效地解决了在板材宽度变化时神经网络的拓扑结构形式不变的问题。     

模糊模式识别神经网络预报模型的最速下降—共轭梯度算法及应用

在模糊模式识别神经网络预报模型基础上,提出了最速下降—共轭梯度结合的ＢＰ算法,并给出了算例。     

基于模糊逻辑推理的BP神经网络及其应用

阐述了ＢＰ神经网络的原理及学习算法,在结合模糊逻辑推理的基础上提出了一种具有分层结构,能够进行规则自提取、自修正、自学习的复合模糊ＢＰ神经网络模型。这种模糊神经网络不仅可以充分利用原有的专家的经验和知识,而且能够从实际数据中通过不断学习获取新的知识和推理规则。同时,在相应的网络权值训练中引入了遗传算法和模糊逻辑控制器的优化求解思想。还进一步探讨了将这种网络模型用于汇率分析系统的形式和方法。     

基于区间值推理的模糊神经网络

在区间值模糊推理的理论基础上，提出了基于区间值推理的模糊神经网络。主要是将模糊逻辑规则利用神经网络来实现，给出了基于IVFR的FNN的结构以及通过两个模糊集的贴近度作为误差反馈的学习算法。     

模糊神经网络系统的设计与应用研究

把模糊逻辑系统与神经网络相结合,形成结构像神经网络,功能似模糊逻辑系统的模糊神经网络系统,该系统具备了模糊逻辑系统和神经网络的优点,克服了单个系统的不足。再结合误差反向传递学习算法（BP算法）,调整模型参数及权值。最后应用模糊神经网络系统解决实际问题,经过若干次学习训练,使系统达到稳定,通过仿真结果可看出;将所设计的模糊神经网络系统应用在WTI原油价格预测中具有可行性与有效性。     

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。     

一种新型的神经网络模糊控制器

针对模糊控制器的推理提出了一种新型的神经网络结构,分析了新网络的性能,训练后新网络能完成模糊控制器的推理。最后给出了神经网络模糊控制器仿真结果。     

基于模糊ART神经网络的变压器局部放电模式识别

对变压器主要放电类型的3种局部放电典型电极模型进行试验,通过分析计算提取局部放电信号特征量,建立相应的局部放电信号特征库,以此作为模糊ART网络的输入,对局部放电的类型进行模式识别,并将识别结果与BP网络的识别结果进行对比。实验结果表明,模糊ART网络用于变压器局部放电模式识别是有效的。     

基于神经网络的再制造系统风险评价

为了给企业在开展再制造业务时提供风险评估参考模型,从再制造全生命周期出发分析再制造系统面临的各种风险,构建包括收集、检测、拆卸、再制造和再循环五大环节的评价指标体系;建立基于Back Propagation（BP）神经网络的风险评价方法;并利用权矩阵之间的关系函数确定评价指标的影响次序,找出再制造系统风险的主要风险因素;然后通过Internet收集资料选取五个企业的再制造业务风险评价作为样本训练模型;最后以某机床制造企业的再制造项目风险评估验证上述评估方法的有效性。     

基于GA与BP神经网络的网络入侵检测组合模型研究

针对入侵检测系统产生的高维数据的处理问题,提出基于GA与BP神经网络的入侵检测组合模型进行特征选择。为了优化入侵检测分类算法,利用遗传算法适合复杂系统优化的特点,去除入侵检测数据多维特征属性中的冗余部分,将入侵检测数据特征属性对应到染色体,BP神经网络的分类准确率作为种群个体的适应度值,通过遗传算法的全局搜索能力,找出对分类算法最有影响的特征属性组合,从而达到降维的目的。采用KDD99数据集进行分析,实验表明,经过组合算法特征选择的数据能在分类正确率、运算时间、运算稳定性等方面取得更优的效果。     

基于模糊神经网络的模糊辨识方法及其应用研究

利用模糊神经网络（FNN）的学习能力从控制操作的现场数据中获取模糊规则,并自动调节隶属函数,把建模的过程转化为FNN网络结构多数的生成与学习问题。用于一个非线性过程的模糊模型参数辨识问题,取得了满意的结果。     

基于人工神经网络的相位跟踪研究

本文介绍了一种基于人工神经网络的相位跟踪控制方法,当电网并网时,用于对控制电流与电网电压进行同相位跟踪,以实现对电网电压的同步跟踪。经MATLAB电力系统动态仿真,验证了该文提出的BP控制方法,跟踪性能良好,具有较强地自适应能力。     

基于BP神经网络的草图编辑手势识别

针对概念设计以及工程草图设计过程中,用户的草绘编辑修改行为进行了初步研究,目的在于能够设计出一套符合用户设计习惯的编辑手势.然后尝试采用基于BP神经网络的方法对其进行识别,以实现计算机对草绘设计行为的准确理解以及草图的快速编辑修改.实验结果表明,提出的方法具有较高的识别效果,加快了概念草图的设计过程.     

基于BP神经网络的印刷体数字识别研究

BP神经网络是一种误差逆传播算法训练的多层前馈网络,具备网络学习能力强、输入/输出模式映射关系存贮量大、事先不需要描述输入/输出映射关系等诸多优点的数学方程。本文通过BP神经网络的介绍,利用不变矩特征提取方法设计一种有效的BP神经网络印刷体数字识别演示系统,对印刷体数字识别的深入研究具有一定的指导意义。     

智能神经网络系统原理在印刷体汉字识别中的应用

在印刷体汉字识别中的实验中,提出了一种解决在网络学习时,随样本数的增加,学习时间会按指数级增加的方案;应用智能神经网络系统原理,先训练好各个功能专一、结构简单的小智能神经网络,然后联合小智能神经网络构成功能复杂的大智能神经网络。实验表明,智能神经网络系统原理为克服传统神经网络纠敛速度慢的缺点,同时不增加网络负担提供了一种有效方案。     

基于神经网络的岩体质量模式识别

岩体质量评价问题可以认为是一个模式识别或分类问题。人工神经网烙具有表达任意非线性映射的特性，从而在分类、学习和容错方面表现了较好的能力。本文结合岩体质量的模式识别，阐述了半线性前馈神经网络的基本原理和应用，并给出了其部分试验结果。     

基于优化BP网络的液体管道工况识别方法研究

利用环道实验装置模拟实际管道的不同工况,应用小波分析对原始信号降噪,并利用基于核的主成分分析方法（KPCA）提取处理后泄漏信号的时频域特征值,得到神经网络最终输入向量。由于传统BP神经网络在进行工况识别时容易陷入局部极小值,因此利用遗传算法（GA）和粒子群算法（PSO）对BP神经网络进行优化。结果表明,两种优化后的神经网络相较传统BP神经网络具有更强的识别泄漏工况能力。最后从测试准确度和训练时间两个方面,对两种不同优化算法进行对比并提出其不同的适用情况。