反向三I算法的连续性和误差传播

对全蕴涵反向三I算法是否满足连续性问题进行了首次研究,并进一步讨论了这类算法对误差的传播性能.文中把模糊推理算法看成是一个模糊集合到另一个模糊集合的映射,选用海明距离作为两模糊集的距离,证明了在模糊假言推理和模糊拒取式推理情形,该算法都拥有连续性;其对误差的放大幅度为2.     

一般输入的折线模糊神经网络对模糊函数的通用逼近

首先基于一种扩展原理和模糊算术得到一类前向模糊神经网络--折线模糊神经网络.当模糊神经网络的输入为一般模糊数,激励函数为单调连续型Sigmoidal函数时,分析网络的拓扑结构及相关性质.然后证明该折线模糊神经网络能作为模糊连续函数的通用逼近器,其等价条件是模糊函数的递增性.因此关于输入为一般模糊数的折线模糊网络是否为通用逼近器的问题得到解决,且折线模糊神经网络的应用范围将进一步扩大.     

一种连续增量学习模糊神经网络

为获得快速、准确而精简的模糊神经网络,提出一种连续增量学习模糊神经网络(ISL-FNN).将修剪策略引入到神经元的产生过程,用错误下降率定义输入数据对系统输出的影响并应用于神经元的增长过程.在参数的学习阶段,所有隐含层神经元(无论是新增还是已有)的参数使用扩展的卡尔曼算法更新.通过仿真实验,该算法在达到与其它算法性能相当甚至更好的情况下,能获得更精简的结构.     

机器人关节空间B样条轨迹优化设计

在关节空间中对机器人Ｂ样条轨迹进行了时间了短优化计算,该优化问题模型包括关节角速度、角加速度、角加加速度及力矩４种约束,给出优计算方法,给出了 经计算方法,给出了ＰＵＭＡ５６０机器人前三铰Ｂ样条轨迹优化算例。     

基于三角模的模糊联想记忆网络

当T为t-模时,基于模糊取大和T的模糊联想记忆网络(FAM)存在局限性,当T为三角模,是t-模的广义形式,将这种FAM推广成基于Max-T的模糊联想记忆网络Max-T FAM.则Max-T FAM实现了从一个向量空间到另一向量空间的映射,从Max-T FAM的值域角度,分析了它的存储能力,并建立了一个三角模T的伴随蕴涵算子新概念,利用该伴随蕴涵算子,在无需T为连续的、严格增等条件下,提出了Max-T FAM的一个简洁的通用离线学习算法和通用在线学习算法.从理论上严格证明了只要Max-T FAM能完整可靠地存储所给的多个模式对,则这两种算法都能轻易找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者.最后,用实验证明了Max-T FAM模型和所提出的学习算法的有效性.     

一种参数化模糊联想记忆网络的鲁棒性分析

基于最大运算Max以及带参数ξ的t-模Tξ的模糊关系合成,提出一种参数化的广义模糊联想记忆网络Max-Tξ FAM及一种有效学习算法。由于Tξ中参数ξ的作用,在应用中Max-Tξ FAM有更大的适应性和灵活性。从理论上证明采用该学习算法时,对任意 ,Max-Tξ FAM对训练模式摄动的鲁棒性差。通过一个图像联想方面的实验检验了该结论的正确性。     

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。     

基于RSS典型性判定的室内定位算法研究

在基于RSS指纹集的定位算法中,相似样本集的质量,是影响定位精度的一个关键性因素;而待定位点的RSS向量,则是影响相似样本点质量的一个重要元素。通过对D-RSS分布规律分析,提出了RSS典型性的概念,并且提出了基于RSS典型性判定的室内定位算法。该算法根据RSS的典型性特征与有效的相似样本点之间的关系,提出了RSS典型性的辨别方法以及与典型性相关的动态K值。通过实验证明,该算法不仅能完整地找出有效的相似样本点,排除非实质性相似点的干扰,而且在不同的定位场景中具有较强的适应性,同时具有较高的定位精度。     

一种鲁棒性较强的新神经元模型及其在模糊推理中的应用

提出一种具有较强鲁棒性的神经元模型,能实现与、或和混合－并模糊逻辑运算。利用该神经元模型,构造了一个神经网络,基于该网络的模糊推理方法远比Zadeh的CRI方法更易于满足模糊推理的一致性要求,可望在面向医学和人文社会科学等领域的模糊专家系统及模糊决策支持系统中获得应用。     

广义动态模糊神经网络及在轴承故障诊断中的应用

提出一种结合小波包分解和广义动态模糊神经网络的故障诊断方法,该方法首先采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此向量作为输入,再利用广义动态模糊神经网络建立轴承故障诊断模型,该模型不仅能对模糊规则而且能对输入变量的重要性做出评价,使每个输入变量和模糊规则都可根据误差减少率进行修正。实验结果表明:该方法对识别和预测轴承的状态具有较高的精度和效率。