一个基于模糊神经网络的数据逼近和泛化建模方法

本文介绍一个基于模糊神经网络的数据逼近和泛化建模方法,定义了一种模糊系统动态调节神经网络的学习率,给出了用迭代自组织数据分析算法确定神经网络结构、初始化神经网络参数的方法.在雷达天线罩视线误差建模中的应用表明,这种方法加快了网络的收敛速度,避免了局部极值,具有较高的数据逼近和泛化能力.     

具有非对称移民的动态分布式遗传算法

提出一个管理分布式种群的新方法：实时监控子种群的进化，动态调整子种群的规模，以使整个算法的效率和稳定性最大化。还对不同的控制策略进行了比较，对相关问题进行了详细的讨论。     

合作式协同进化用于模糊系统的自动生成

进化计算已经被成功地用于模糊系统自动生成.但是当输入变量增加时,一个个体对应整个模糊系统的编码方式往往会因编码太长而降低进化的效率.但每个个体代表一条规则又会给适应度评价带来困难.本文提出了一种把合作式协同进化算法用于模糊系统自动生成的新方法.每个个体代表一条或几条规则组成的子模糊系统,把所有个体分为一些子种群,这些子种群进行合作式协同进化,引入一个自适应机制动态调整种群个数,最后从每个子种群中选出最佳个体构成完整的模糊系统.实验结果显示该算法提高了进化效率.最后对个体定义等相关问题进行了讨论.