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.     

一种结合多特征的SVM图像分割方法

在分析了频域相位信息和纹理信息在表征图像特征方面的重要性之后,提出了一种结合相位一致和纹理特征的SVM图像分割方法。该方法将相位一致性统计特征、纹理特征和灰度特征一起组合成训练特征向量,采用支持向量机分类方法对图像进行分割。相对于传统方法,该方法提取的统计特征向量可以有效地反映图像边缘细节和纹理信息。实验结果表明,该方法比传统的SVM图像分割方法更有效,尤其适用于图像中目标区域的边缘对比度低和纹理信息丰富的情形。     

基于Lukasiewicz t-模的模糊双向联想记忆网络的有效学习算法

利用t-模的伴随蕴涵算子,为基于Max和TL合成的模糊双向联想记忆网络Max-TLFBAM提供了一种新的学习算法,此处TL是Lukasiewicz t-模算子。从理论上严格证明了,只要存在有连接权矩阵对使得任意给定的模式对集成为Max-TLFBAM的平衡态集,则依该学习算法所确定的连接权矩阵对是所有这样的连接权矩阵对中的最大者。并用实验验证该学习算法的有效性。     

基于NetWare的低层通信协议IPX/SPX的网络编程

本文讨论了基于NetWare的低层通信协议IPX/SPX的网络编程的意义和原理,给出了     

模糊联想记忆网络对模式摄动的鲁棒性分析

在实际问题中,所获取的模糊神经网络的训练模式对总与客观真实的模式对存在一定的小幅误差（摄动）,从而可能导致对某些输入网络的实际输出与期望输出有很大的误差．为此,本文提出了训练模式集摄动对模糊联想记忆网络(FAM)的鲁棒性概念,并具体讨论了采用一种新的权值学习算法时FAM的这种鲁棒性及其控制方法。最后通过实验证明了采用这种新的权值学习算法时,FAM对模式摄动不会拥有好的鲁棒性。     

训练模式的摄动对最大-乘积型模糊联想记忆网络的影响

首先建立了前馈型模糊联想记忆网络对训练模式摄动的鲁棒性概念,分析了最大-乘积型模糊联想记忆网络(Max-Product FAM),发现当采用模糊赫布学习算法时它的鲁棒性好,但采用另一学习算法时鲁棒性较差.最后用实验验证了理论结果.     

一种模糊Hopfield网络的学习算法及性质

摘要现基于TL-模Max-TL模糊Hopfield网络(Max-TL FHNN)提出了一种有效的学习算法。对任意给定的模式集合,该学习算法总能找到使该模式集合成为Max-TL FHNN的平衡点集合的所有连接权矩阵中的最大者。任意给定的模式集合都能作为Max-TL FHNN网络的平衡点集合且能使Max-TL FHNN对任意输入在一步内就进入稳定状态,同时该网络对训练模式的摄动具有好的鲁棒性。     

基于对比ART2的高压电器绝缘故障诊断

针对高压电器绝缘在线监测中的故障诊断问题,提出了一种基于对比ART2神经网络的故障诊断新方法.首先分析了绝缘在线监测的目标和特点,然后建立绝缘在线监测的故障诊断模型,最后在此基础上设计了一种对比ART2神经网络模型及绝缘故障诊断算法.工程实例表明,模型和算法具有较稳定的故障诊断能力及较高的准确性.     

基于水平集的新型彩色图像分割算法

由于考虑的泛函变分形式是非凸性质,向量值图像分割模型的计算结果经常会陷入局部最小值。基于活动轮廓的向量值图像的全局图像分割方法,以新型变分形式将向量值图像分割和图像去噪融入具有全局极小能力泛函框架中。新模型具有容易构造和较少计算量的特点,对比经典的水平集方法,可以避免繁琐的距离重复化水平集过程。通过对人工图像和真实图像进行分析,验证新方法具有更好的图像分割效果。     

区间值模糊集相容性测度的性质、改进和传播

分析区间值模糊集相容度的一些性质.提出一个新的相容性测度公式--相合度.它去掉相容度的非对称性的缺点,又保持相容度的其它特性.研究模糊推理算法对相容度和相合度的传播问题,并发现实际应用中,当已知规则的前件和后件是正规模糊集时,Zadeh的模糊推理合成算法(CRI)不会使相合度变小.本文工作对基于区间值模糊集的规则库整理以及推理算法的选择和分析有一定益处.