一种基于模糊神经网络加权的多维稀疏模糊推理方法

在稀疏规则库条件下,经典的插值理论针对一维稀疏规则库提出了各种不同的插值方法,取得了很多很好的经验;但对多维稀疏规则条件的近似推理研究很少,不仅存在着难以保证推理结果的凸性和正规性等问题,而且没有考虑到多维变量之间的联系即对结论的影响权值,造成推理结果的误差性更大.多变量规则的模糊插值推理是插值推理研究的重要方面,为了在多变量稀疏规则条件下得到好的插值推理效果,本文提出了一种基于模糊神经网络加权的多维模糊推理方法,为智能系统中的模糊推理提供了一个十分有用的工具.     

三种新的基于相似性的加权模糊推理方法

在模糊专家系统中,模糊推理方法的优劣是衡量系统性能好坏的关键指标。基于相似性的加权模糊推理是针对模糊信息发展的一种既简单又灵活的方法,其关键是模糊集合相似度的定义。在文中,提出了三种新的相似度的定义,讨论了与其相应的模糊推理方法;通过实例验证了三种新方法的有效性,并与已有的几种方法进行了比较分析。     

一种改进的基于相似度的模糊推理方法

基于模糊集合概念的模糊产生式规则及其模糊推理方法广泛应用于智能控制、专家系统等领域。文章指出了现有的一种基于相似度的模糊推理方法的缺陷。提出了一种改进的基于相似度的模糊推理方法。并通过实例说明了改进方法的优越性。     

基于优序图加权的多维稀疏模糊推理方法

在稀疏规则库条件下,多数的多维稀疏规则条件近似推理方法都难以保证推理结果的凸性和正规性,且没有考虑到多维变量对结论的影响权值。提出一种基于优序图加权的多维模糊推理方法,运用优序图确定权值,实验结果表明,该方法不仅减小推理结果的误差,而且能较好地保证推理结果的凸性和正规性。     

一种基于LISP语言的加权模糊推理专家系统实现方法

以某飞机机载专家系统为例，具体阐述了一种利用LISP语言对加权模糊推理专家系统进行实现的方法．最后，概括了该方法的研究结论。     

两种改进的相似度及模糊推理方法

在专家系统的模糊推理中,基于相似度的方法是一种简便而又重要的方法。文章指出了已有的两种相似度及其算法的局限性,提出了两种改进的相似度及其推理算法,并用实例说明了改进方法的效果。     

基于单体模糊神经网络的多重模糊推理方法研究

文章基于单体模糊神经网络(MFNN)对多重模糊推理的Mamdani方法进行了推广，得到的广义方法(简称G-Mamdani法)克服了原有方法的若干不足。文章采用了求解模糊关系方程的方法来确定网络的权值，依此新方法，实现了一个模糊推理机，其推理效果较好。这一方法为模糊专家系统和模糊控制系统等提供了一种新的有力的推理工具。     

一种基于神经网络的模糊推理方法研究

模糊系统设计中,模糊规则的建立是系统设计的瓶颈问题。针对这一问题,该文提出了一种用于监督神经网络自动生成模糊规则并实现模糊推理的方法。网络训练分为两个阶段,首先是结构学习,确定系统的规则总数和前提的有关参数;其次是参数学习,即调整权值,使系统输出接近理想输出。仿真实例证明使用该方法建立模糊系统具有较好的效果。     

基于扩展的带标识的Petri网的加权模糊推理

为了更加高效计算,并且更加便利地进行加权模糊推理来获得更多的有关加权模糊产生式规则的信息,提出一种某些库所中带有标识的模糊Petri网模型来进行加权模糊推理(WFR).用来标记模糊Petrl网运行的托肯值已经从[0,1]上的实数扩展到了模糊集合.提到的加权模糊推理(WFR)包括了局部权值,确定性因子和阈值等几种知识表示参数,参数用模糊数表示,通过提出的计算模糊推理结果的方法,可以更加高效地计算出最终的推理结果.     

一种基于人工神经网络的模糊推理模型研究

通过分析模糊理论与人工神经网络在知识处理方面的特点，将人工神经网络技术结合到推理系统中，以模糊推理为核心，     

稀疏规则条件下的相似插值推理研究

模糊推理本质上就是插值器。但在稀疏规则库的务件下,当输入的事实落入规则“空隙”时,采用传统的CRI方法是得不到任何推理结果的。而采用KH线性插值推理也存在着难以保证推理结果的凸性和正规性等问题。为了在稀疏规则条件下能有好的插值推理结果,提出了一种相似插值推理方法。谊方法能较好地保证推理结果隶属函数的凸性和正规性,这为智能系统中的模糊推理提供了一个十分有用的工具。     

一个新的基于Vague集加权相似度量的双向近似推理方法

提出了一种新的Vague集的加权相似度量方法以解决文献[1]中关于vague集相似度量的某些缺陷，并且提出了Vague集间相似方向的概念，用它来描述两个相似Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了vague集信息的精确性，从而提高了推理的精确性和适用性．这为智能系统中的近似推理提供了一个十分有用的工具．     

多变量规则的线性插值推理方法

插值推理是稀疏规则条件下的一类重要的推理方法,单变量的情况已有较多研究,但针对多变量情况的研究还不多,仅有的几种插值方法,存在着难以保证推理结果的凸性和正规性等问题。多变量规则的插值推理是插值推理研究的重要方面,为了在多变量稀疏规则条件下能得到好的插值推理结果,本文对多变量规则的插值推理方法进行了研究,提出了一个多变量规则的线性插值推理方法。该方法能较好地保证推理结果隶属函数的凸性和正规性,为智能系统中的模糊推理提供了一个十分有用的工具。     

基于正规三角模糊集相似度量的模糊推理

文章首先定义了正规模糊集相似度量的一般公式,然后给出了正规三角模糊集相似度量计算的简化公式,在正规三角模糊集相似度量的基础上,提出了一种新的模糊推理的方法——基于正规三角模糊集相似度量的模糊推理,并与Mamdani模糊推理方法做了比较。最后给出了模糊推理的仿真实现。     

基于模糊等价的毕达哥拉斯模糊集相似度构造方法

毕达哥拉斯模糊集是Zadeh模糊集的一种推广形式,其相似度刻画方法是毕达哥拉斯模糊集理论的重要研究内容.现有的毕达哥拉斯模糊集相似度大多针对具体问题而提出.为推广毕达哥拉斯模糊集理论的应用范围,文中基于模糊等价研究毕达哥拉斯模糊集相似度的一般构造方法.将模糊等价概念推广至毕达哥拉斯模糊数,提出了PFN(Pythagor...     

一种新的多维稀疏规则模糊插值推理方法

经典的插值理论针对一维稀疏规则库的条件，提出了各种不同的插值方法，取得了很多很好的经验．但对多维稀疏规则条件的近似推理，研究很少，仅有的几种插值方法，存在着难以保证推理结果的凸性和正规性等问题．为了在多维稀疏规则条件下能得到好的插值推理结果。提出了一种基于几何相似的插值推理方法．该方法能较好地保证推理结果隶属函数的凸性和正规性，为智能系统中的模糊推理提供了一个十分有用的工具．     

稀疏规则条件下的线性插值推理研究

模糊推理本质上就是某种插值方法．但在稀疏规则库的条件下，当输入的事实落入规则“空隙”时，采用传统的CRI方法是得不到任何推理结果的．而采用KH线性插值推理也存在着难以保证推理结果的凸性和正规性等问题．在分析了Koczy和Hirota提出的线性插值推理方法的基础上，本文提出了一个新的线性插值推理的方法，该方法能很好地保证推理结果的凸性和正规性，这为智能系统中的模糊推理提供了一个十分有用的工具．     

基于Vague集模糊推理的多评价指标模糊决策方法

目前在智能领域中对Vague集的研究已越来越广泛与深入,并运用于决策问题中,有学者已把Vague集用于多评价指标的模糊决策中,但其决策方法在某些时候却难以得到目标。为此,本文提出了一个基于Vague集模糊推理的多评价指标模糊决策方法。在这个方法中,从基于Vague集的模糊推理的观点来看待模糊决策问题。将评价指标和候选方案之间的关系用一组基于Vague集的推理规则来表示,将决策者的要求用一组Vague集来表示,经过模糊推理等过程最后得到决策结果。然后还给出了一个实例说明这种多评价指标模糊决策方法。这个基于Vague集模糊推理的多评价指标模糊决策方法的提出为决策系统提供了一个有用的工具。     

基于Vague集加权相似度量的双向近似推理

本文提出了一种新的Vague集的加权相似度量方法，以解决文献中关于Vague集相似度量的某些缺陷以及权向量中各个分量难以确定的问题，并且提出了Vague集间相似方向的概念，用它来描述两个相拟Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上的给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了Vague集信息的精确性，从而提高了推理的精确性和适用性。这为智能系统中的近似推理提供了一个十分有用的工具。     

基于几何相似的模糊插值推理

模糊推理中广泛采用的合成推理规则(CRI)要求规则库必须是稠密的。但在稀疏规则库的条件下,当输入的事实落入规则“空隙”时,采用传统的CRI方法是得不到任何推理结果的。为此Koczy和Hirota首先提出了KH线性插值推理方法,但推理结果存在着凸性和正规性等问题。许多学者叉提出了不同的插值推理方法,它们有不同的特点,但从实际应用角度看,都还比较复杂。Koczy等叉提出了改进的KH插值推理方法,这种方法虽然保证了凸性和正规性,但推理结果不够好。本文中我们提出了一种基于几何相似的插值推理方法。该方法能很好地保证推理结果的凸性和正规性,并且推理简单,推理结果较好。这为智能系统中的模糊推理提供了一个十分有用的工具。