模糊神经网络理论研究综述

本文对于近年来受到普遍重视的前向模糊神经网络及有反馈的模糊神经网络的性质、学习算法及应用等方面的研究进行了较为详尽的综述，分析了所取得的主要成果及其特点，并指出了今后模糊神经网络理论研究中有待解决的许多问题。     

模糊ART神经网络在运动目标识别中的应用

本文在讨论模糊ＡＲＴ神经网络及其算法的基础上，研究和提出了一种三维运动目标识别方法，利用模糊ＡＲＴ神经网络对运动目标的目标侧面图形进行学习和模式识别。模拟实验表明了该方法的有效性。     

分数阶模糊时滞神经网络模型解的存在唯一性和有限时间稳定性

本文介绍了一类分数阶模糊时滞神经网络模型.利用压缩映射原理,讨论了带时滞的分数阶神经网络模型解的存在性和唯一性,并根据Gronwall不等式结合分数阶微分方程的性质,证明了分数阶神经网络模型平衡点的有限时间稳定性,给出了有限时间稳定性的判断准则.最后,给出数值仿真说明了理论结果的正确性.     

模糊神经网络在数据融合技术中的应用

本文主要阐述了模糊神经网络技术，尤其是模糊联结聚合神经网络技术在数据融合技术中的理论与应用。     

故障诊断中模糊神经网络的应用研究

文章给出了利用模糊神经网络诊断故障的数学模型、基本原理、方法、步骤 ,和模糊网络的学习流程 ,并利用梯度法推导出两种诊断算法 ;在对某发动机滑油典型故障样本的仿真过程中 ,结果完全正确 ,对非样本故障的仿真 ,准确率达 90 % .     

变时滞随机模糊细胞神经网络稳定性分析(英文)

本文旨在研究一类带变时滞的随机模糊细胞神经网络的稳定性.通过构造恰当的Lyapunov泛函并运用线性矩阵不等式(LMI)理论,作者给出了保证这类神经网络全局渐近稳定的充分条件.本文推导出两个定理:一个用以判定文中模型的全局渐进稳定性,一个用以判定该模型在均方意义下的全局渐近稳定性.     

一种遗传模糊神经网络数据挖掘算法

数据挖掘是近年来信息处理领域出现的新的研究方向。本文探讨了扩展型TS模糊神经网络和遗传算法在数据挖掘中的应用,并提出了一种把模糊神经网络与遗传算法相结合的数据挖掘方法。在该方法中由遗传算法自适应地构造和优化TS模型,TS模型完成预测,这种预测是建立在遗传算法的聚类结果之上的。二者的结合,提高数据挖掘的应用效果。文章最后给出该方法的应用实例。     

基于模糊径向基函数神经网络的模糊数据建模研究

提出将模糊径向基函数神经网络(FRBFN)用于模糊数据的建模,并提出融和圆锥模糊向量的聚类方法和模糊线性回归的学习算法。仿真研究表明．FRBFN及其算法在模糊数据建模方面有一定的优势。     

基于多维动态隶属度的模糊时间序列的天然气月负荷预测

准确的天然气负荷预测对于完善城市燃气供需系统与提高能源利用效率都大有裨益。由于燃气负荷序列受到多种不确定因素的影响,为了捕捉月度负荷的模糊性和非线性等复杂特征,本文结合模糊理论和长短时记忆神经网络(LSTM)的特性,提出了一种基于多维动态隶属度的模糊时间序列的预测新方法。首先,利用模糊C均值聚类(FCM)从原始数据中构建多维隶属度序列;其次,利用LSTM对多维隶属度序列同时进行预测,得到其动态隶属度;最后,去模糊化得到燃气负荷的预测值。应用该模型对四川成都某地区的天然气月度负荷进行了未来三个月的预测,并与经典模糊时间序列(FTS)、ARIMA模型、BP神经网络(BPNN)、LSTM等模型进行对比。实验结果表明,新模型的MAE、RMSE以及MAPE均优于其他模型。因此,本文提出的模型可对城市燃气供给和调度提供有价值的参考。     

带阈值的Min—max模糊Hopfield网络的稳定性与容错性分析

本文讨论了带阈值的Ｍｉｎ－ｍａｘ模糊Ｈｏｐｆｉｅｌｄ网络的性质，并研究了该网络的一致稳定性与平衡态的Ｌｙａｐｕｎｏｖ稳定性。给出了一个模糊模式成为该网络吸引子的等价条件。然后在一定的条件下，得到了这个网络吸引子的一个非退化的吸引域，从而我们所建立的模糊神经网络模型具有较强的容错性，最后的例子证实了这一点。     

三层前向神经网络的一致逼近性

近年来，前向神经网络泛逼近的一致性分析一直为众多学者所重视。本文系统分析三层前向网络对于拟差值保序函数族的一致逼近性，其中，转换函数σ是广义Sigmoidal函数。并将此一致性结果用于建立一类新的模糊神经网络(FNN)，即折线FNN．研究这类网络对于两个给定的模糊函数的逼近性，相关结论在分析折线FNN的泛逼近性时起关键作用。     

基于模糊与神经网络技术的复杂非线性跟踪控制

针对一类具有不确定性、多重时延和状态未知的复杂非线性系统,把模糊T-S模型和RBF神经网络结合起来,提出了一种基于观测器的跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态,并由线性矩阵不等式得到模糊模型的控制律;其次,构建了自适应RBF神经网络,应用自适应RBF神经网络作为补偿器来补偿建模误差和不确定非线性部分.证明了闭环系统满足期望的跟踪性能.示例仿真结果表明了该方案的有效性.     

小卫星在轨故障诊断的模糊神经网络模型

小卫星高性能，高自主的发展趋势对于在轨故障诊断技术的实现要求日益迫切，而受小卫星体积小，重量轻，能源少的限制，当前常用的建立在高性能计算机硬件基础上的各种诊断方法不再适用于强调实时性，准确性的在轨运行监测，诊断与恢复和重构重处理。本文小卫星一体化系统总体设计技术研究与集成化设计系统为基础，采用一种神经网络与模糊系统相结合的模糊神经网络（ＦＮＮ）模型来分区域表示诊断系统并基于该ＦＮＮ模型进行诊断推量     

基于GA-BP的模糊神经网络控制器与Elman辨识器的系统设计

提出了一种基于神经网络的模糊控制系统 ,该系统由模糊神经网络控制器和模型辨识网络组成 .文中介绍了模糊神经网络控制器采用遗传算法离线优化与 BP算法在线调整 ,给出了具体控制算法 ,推导了变形 Elmam网络的系统辨识算法 .仿真结果表明了此法的可行性和有效性 .     

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.     

集成神经网络快速估价模型

本文将模糊逻辑和神经网络结合起来,并利用系统的层次性和可分性原理,建立起一个集成的模糊神经网络,用以解决在不确定信息下的快速估价问题,并给出了模型算法。     

基于粒子群的模糊神经网络的短时交通流量组合预测

为了进一步提高短时交通流量预测的精度,提出了一种粒子群算法的模糊神经网络组合预测模型,模糊神经网络融合了神经网络的学习机制和模糊系统的语言推理能力等优点,弥补各自不足,将自回归求和滑动平均(ARIMA)和灰色Verhulst模型进行初步预测,并将两种初步预测的结果作为模糊神经网络的输入,构建基于改进模神经网络的组合预测模型,在此基础上进行训练和预测,其中模糊神经网络的相关参数由改进粒子群来优化,利用本方法来对南京市汉中路短时交通流量进行预测,结论表明:方法充分发挥了单一模型的优势,比单一的预测模型更加精确,是短时交通流量预测的一个有效方法。     

一种新型的模糊神经网络及其应用

本文提出了一种新型的模糊神经网络，从理论上论证了其推理的合理性和逼近能力，同时应用于系统辩识，取得较好的效果。     

模糊神经网络的一种混合递推学习算法

提出一种新型混合递推学习算法,记为FNRPCL 及FNIGLS,这种算法用来调整模糊神经网络中隶属函数的中心和宽度,以及输出层的连接权值     

中国上市公司企业规模的模糊神经网络模型设计

在交易成本等规模经济理论及西方经济学生产函数理论的基础上,运用多元统计中的主成分分析法构建企业规模函数指标,再基于超越对数生产函数构建中国上市公司企业规模模糊神经网络模型,并以中国机械仪表业上市公司为例对模型进行了检验。研究结果表明,基于超越对数生产函数构建的企业规模模糊神经网络系统与多元线性回归相比拟合效果好,有较高的性能。