FANN模型在金属矿冲击地压预测中的应用

金属矿山冲击地压是采矿工程中所涉及到的重大灾害之一.冲击地压的发生是由多方面因素造成的,具有动态和模糊性,在客观上属于一个复杂的非线性动力学过程,这使得冲击地压预测系统的数据处理不能按照常规的线性系统法进行处理.根据模糊神经网络理论,本文给出了多源信息融合的模糊人工神经网络(FANN)模型.通过具体工程应用,说明了本文分析模型的正确性和有效性.     

基于FCM-GRNN的驾驶倾向性识别方法

为提高对驾驶倾向性的辨识准确率,进行驾驶倾向性问卷表调查、模拟驾驶、人因工程测试,考虑了驾驶员的心理、生理信息,以及环境、车辆和操作信息的基础上,提出用广义神经网络确定聚类中心,优化模糊c均值聚类算法,实现目标识别级信息融合的方法,对驾驶倾向性进行预测.利用实验数据对识别方法进行验证,结果表明,该算法对驾驶倾向性的预测准确率达到了85.83%,为进一步研究驾驶员倾向的动态特性提供了依据.     

模糊神经网络在多源数据融合中的应用研究

在T-S模糊神经网络数据融合的基础上,改进了标准T-S模糊融合算法中的模糊算子,并利用聚类算法对网络结构中模糊隶属度个数进行选取.通过仿真实验,验证了改进的算法在融合过程中的合理性、稳定性和准确性.以及聚类算法在T-S模糊神经网络数据融合算法中运用的合理性和有效性.     

模糊神经网络方法在定点定量降水预报中的应用研究

以单站24小时降水量作为预报对象,采用模糊神经网络方法进行了新的数值预报产品释用预报方法研究.首先通过对T 213、ECMW F预报因子场以及高空气象探测资料进行处理,有效浓缩多种物理量因子场的实况及预报信息,并进一步建立了南宁、桂林、河池、百色4站的降水模糊神经网络释用预报模型.运用与实际业务相同的预报方法对2006年6—8月进行逐日的降水量预报试验,并与相同时次的T 213降水预报产品进行对比分析.结果表明,4个单站的定点、定量模糊神经网络降水预报模型,在预报性能上明显优于同期T 213数值预报模式的降水预报结果.     

改进的神经网络综合评价模型研究

针对神经网络综合评价模型的解释缺失和信息损失问题,提出了一种引入专家系统和模糊系统的改进模型,模型利用专家系统提供评价结果的合理解释,利用模糊系统减少评价结果的信息损失,旨在提高评价结果的准确性和可信度.讨论了模型的定义和原理,通过模拟验证后,将改进的神经网络综合评价模型应用于大气环境承载力评价,以期为衡量社会经济发展和大气环境的协调程度提供一定参考.     

软计算中的协作和融合技术综述

本文综述了软计算中的协作和融合技术，包括的专题是：模糊系统与遗传算子，模糊系统与神经网络，神经网络与遗传算法。最后探讨了今后的发展趋势。     

作物生态适宜性模糊综合评判中权重矩阵量化方法及其应用

在作物生态适宜性模糊综合判评中 ,不同生态类型的生态因子组合状态、各生态因子的重要性、主导限制性因子不同 ,需要把权重向量扩展、改造为模糊权重矩阵 .本文根据系统结构决定系统功能的原理及边际生产力理论 ,探索出模糊权重矩阵的量化处理方法 .通过对陕南山区猕猴桃生态适宜性综合评判的具体应用 ,表明该方法能灵敏反映短线因子的限制性作用 ,符合实际状况 ,结论可靠 .     

信息几何及其应用

本文介绍了信息几何的基本内容和最新的一些研究进展,特别是信息几何的理论在神经网络、热力学系统、控制系统以及Birkhoff系统中的应用.     

GIHS-TSFNN并行学习算法及其应用研究

针对传统T-S模糊神经网络的随机初始网络参数导致网络学习速度慢、易陷入局部解以及运算精度低等缺陷,提出了一种应用佳点集的改进和声搜索算法(GIHS)优化T-S模糊神经网络的并行学习算法.首先应用佳点集择优构造更加高质量的初始和声库,然后搜索过程中进行参数动态调整,并且每次迭代产生多个新解,充分利用和声记忆库的信息,以提高算法的全局搜索能力和收敛速度.其次,将GIHS算法与T-S神经网络相结合构建并行学习算法,实现两种算法的并行交互集成,得到了最优参数配置以提高T-S模糊神经网络的泛化能力.最后将该算法应用到农业干旱等级预测中以解决旱情评估问题.仿真实验表明,GIHS算法性能优于基本HS和IHS算法,且与T-S模糊神经网络、HS算法优化的T-S模糊神经网络和IHS算法优化的T-S模糊神经网络相比,具有更高的预测准确度.     

用模糊集合描述模糊信息的无效性

用模糊集合描述模糊信息无效的原因是,把原本是论域与状态空间上二元函数的模糊隶属函数看成是论域上的一元函数,用模糊集合描述的模糊信息,不能支持模糊集合转换;使得通过模糊集合转换处理模糊信息的模糊数学,不得不借用不是数学计算、无缘数学模型的"取大取小"实现模糊集合转换;结果是背离数学计算的模糊数学,不能为处理模糊信息提供算法支持,导致大量需要处理的模糊信息滞留至今.还原模糊信息是高维状态空间上分类数据的真实面目,把处理模糊信息明确为由指标隶属度确定目标隶属度的隶属度转换,是模糊数学回归数学的唯一正确途径.