自适应神经模糊系统在托砖架最高温度预测中的应用

气流床气化炉在气化工业中得到了广泛应用，托砖架用于支撑气化炉耐火砖的重量，必须有足够的强度，温度是托砖架强度的重要影响因素。传统方法使用有限单元法计算，需要编制复杂的计算机程序。本文使用已有软件计算出托砖架最高温度点温度，对一个自适应神经模糊系统(ANFIS)进行训练，然后对未知数据进行预测，取得了准确的结果。     

自适应神经模糊推理系统建模研究

With rapid development of the fuzzy control application field, the existing system for fuzzy inferring modeling cannot more and more suit the requirements of fuzzy control. About how to apply the theories of fuzzy control to practice rapidly and conveniently, this paper presents a reasonable and practical method, which supports all sorts of fuzzy inferring system of MAMDANI and SUGENO to be modeled not only by tuning references of membership functions, but also by tuning fuzzy inferring structure. The modeling instance shows that it's practical and effective.     

神经场整体性和增殖性研究与分析

信息几何是20世纪90年代初开始形成的理论，它将流形上的现代微分几何方法引入到神经计算科学中，为神经网络和信息论提供了十分有用的新的数学工具，也为大脑信息传输方式引入新的观念．以信息几何为工具，研究由全体神经网络组成的非线性空间神经场的整体不变性，分析和证明了神经场复杂结构的可分解性，提出了知识可增殖人工神经网络模型．其结果将有助于理解和解释人的感知系统的组织结构、定位机理和嵌入问题，提高神经网络复杂模型的研究水平和层次，挖掘认知科学在计算机模式上新的突破点；有助于增强神经网络的可理解性，为其提供了重要的理论基础．     

二自由度神经元PID在温度控制中的应用

本文讨论了二自由度神经元PID控制,并应用于温度控制。利用神经网络的自学习在线整定控制器参数,可以得到无静差、无超调和强抗扰动的控制效果。     

一种新兴的数据挖掘方法:神经规则法

该文详细阐述了一种新兴的数据挖掘方法——神经规则法。文中先后介绍了神经网络的训练、神经网络的剪枝以及神经规则的提取。最后用一个实例具体解释了使用该方法来挖掘分类规则的过程。     

智能控制及其应用

介绍了一些有关智能控制的基本概念，如模糊控制，自适应模糊神经控制，专家模糊系统和人工神经网络等等，并简要分析了模糊理论与人工神经网络的特点，将人工神经网络技术与PID控制相结合，用神经网络PID控制方法控制一个温控系统，从输出曲线中可见，这种方法有输出超调小、上升时间快等许多优点，为系统提供了一个优良的控制效果。     

人工神经网络硬件化途径与神经计算机研究

讨论了人工神经网络硬件化实现的途径和意义，提出对通用神经计算机性能的原则要求．在此原则指引下研制的小型神经计算机（预言神１号），具有灵活性强，使用方便，每秒模拟２×１０７次神经联结计算，并且有在计算过程中随时变更网络拓扑结构和神经元非线性函数的功能，文中讨论了它的适用范围和性能价格比问题．     

遗传神经网混合编码方式的研究

对遗传神经网中符号编码方式造成的初始种群分布不均的缺点以及二进制编码方式包含的节点信息不完全的不足进行了分析，并综合二者利弊提出了一种改进的以二进制编码方式为基础的混合编码方式，同时针对这种混合编码方式设计了一套专门的遗传操作算子，克服了两种单一编码方式的缺点，有效地提高了遗传神经网的收敛速度。利用所提出的方法对传统的5-bit Parity基准问题以及沙尘暴天气预测的实际问题进行了仿真计算，比较了编码方式改变前后的收敛速度及分类准确性，仿真结果验证了这种改进的有效性。     

基于ANFIS的非线性系统辨识研究

系统辨识是控制系统设计的基础，对非线性系统进行辨识是当前的难点；文献[1]提出了用模糊建模方法，文献[2]提出了用神经网络方法，在总结上述方法不足的基础上，该文提出了用自适应神经模糊推理系统(ANFIS)对非线性系统进行辨识的方法，仿真结果表明，ANFIS进行非线性系统辨识是可行的，其辨识精度很高。     

基于递归神经网络结构的非平稳信号自适应盲分离

基于递归网络分离结构并利用时间相关的评价函数，针对二输入二输出盲信号分离问题，提出了一种非平稳信号的自适应盲分离算法。该算法计算量小，可根据输出信号能量大小有选择地更新分离系数。并可扩展到多输入多输出盲分离问题。仿真验证对声音等非平稳信号具有良好的分离效果。