高斯型模糊前向神经网络

利用高斯型隶属函数和采样数据得到了三层模糊前向神经网络。该网络模型利用权值直接确定法得到了最优权值,并依据采样数据中的插值样本较好确定了单隐层神经元个数。该网络是近似插值神经网络。仿真实验表明,高斯型模糊前向神经网络具有逼近精度高、网络结构简单、良好的去噪性和实时性高等优点。     

多层前向正则模糊神经网络的逼近能力

Abstract. Four-layer feedforward regular fuzzy neural networks are constructed. Universal ap-proximations to some continuous fuzzy functions defined on (R)“ by the four-layer fuzzyneural networks are shown. At first,multivariate Bernstein polynomials associated with fuzzyvalued functions are empolyed to approximate continuous fuzzy valued functions defined on eachcompact set of R“. Secondly,by introducing cut-preserving fuzzy mapping,the equivalent condi-tions for continuous fuzzy functions that can be arbitrarily closely approximated by regular fuzzyneural networks are shown. Finally a few of sufficient and necessary conditions for characteriz-ing approximation capabilities of regular fuzzy neural networks are obtained. And some concretefuzzy functions demonstrate our conclusions.     

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。     

单变量Sigmoidal型神经网络的逼近

引入了一种新的sigmoidal型神经网络,给出了其对连续函数逼近的点态和整体估计.结果表明这种新的神经网络算子具有多项式逼近所不能达到的很好的逼近速度.为了改进对光滑函数的逼近速度,我们进一步引入了一种新的神经网络的线性组合,并给出了这种组合逼近的点态估计和整体估计.最后给出了一个数值例子.     

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     

四层前向神经网络作为通用逼近器的一致性分析

如果转移函数σ:R→R是Tauber-Wiener函数,即σ∈(TW), 本文给出了四层前向神经网络∑pi=1ui(q∑j=1uijσ(Aij·x+θij))作为通用逼近器的一致性分析,且选取了该网络具有某类特殊性质的连结权.例如,若f,g是连续函数,且f≤g,则相应的连结权关于f,g是递增的,等等.最后为验证结论,给出了一个模拟例子.     

Birkhoff型三角插值

1 引言 Birkhoff三角插值是近年来比较活跃的一个研究课题,涉及Birkhoff三角插值的研究文献也很多(如G.G.Lorentz~([1]),沈燮昌~([2])等综合性文章).     

多元插值神经网络的一个注记

研究多元插值神经网络的收敛性问题,举例说明多元插值神经网络对连续函数并非一致收敛,回答了谢庭藩等所提出的问题.     

距离空间中的神经网络插值与逼近

已有的关于插值神经网络的研究大多是在欧氏空间中进行的,但实际应用中的许多问题往往需要用非欧氏尺度进行度量.本文研究一般距离空间中的神经网络插值与逼近问题,即先在距离空间中构造新的插值网络,然后在此基础上构造近似插值网络,最后研究近似插值网络对连续泛函的逼近.     

典型模糊控制器的插值形式

推导出了单输入单输出、双输入单输出典型Mamdani模糊控制器的插值解析表达式,并推广到输出采用输入变量函数的典型T—S模糊控制器。典型Mamdani模糊控制器的输入采用正规模糊集、三角形全交迭的隶属函数,输出采用单点模糊数。这些插值表达式在一定程度上揭示了典型模糊控制器的本质特征,为设计和优化提供了准确的解析模型,同时也为模糊控制器的实际应用提供了一种快速精确的控制算法。     

一种基于神经元的自适应模糊推理网络

本文根据Ｔ－Ｓ模糊模型提出了一种新的基于神经元的自适应模糊推理网络，给出了连接结构和学习算法，它能自动学习和修正隶属函数及模糊规则，将其用于Ｂｏｘ的煤气炉，太阳黑子预报以及降雨量预报等不同类型的复杂系统建模，仿真结果表明，该模糊神经网络具有收敛速度快，辨识精度高，泛化能力强和适应范围广等特点，可当作复杂系统建模的一种有效工具。     

基于完工隶属度的网络计划优化

针对网络计划模型中工序作业时间的不确定性,引入工序完工隶属函数,以及完工隶属函数的运算。在此基础上,提出并探讨了在缩短总工期时的最优分配缩短作业时间问题,同时,利用完工隶属度建立了相应的模型及求解方法,最后举例说明了该模型与方法的实用性。     

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。     

基于综合函数设计的模糊系统及其插值机理

分析现有模糊系统的数学表示形式,注意到模糊系统输出函数的构造常采用对规则后件模糊集峰点(中心)值加权平均的方法. 综合函数是因素空间理论中利用简单因素状态合成复杂因素状态的有效工具, 本文将综合函数用于构造规则后件模糊集峰点(中心)值的权重, 给出一种新的模糊系统设计方法, 并且证明了这种基于综合函数的模糊系统可归结为一种插值函数.     

实时求解线性规划问题的原对偶神经网络(英文)

本文探讨了线性规划的原问题与对偶问题理论,并在此基础上可开发出一种用于在线求解线性规划的递归神经网络和应用于冗余机器手臂逆运动学的求解问题上.如,Tang等人开展的原对偶神经网络.但鉴于对偶理论的复杂性和多样性,该原对偶神经网络模型仅可以得到线性规划问题的可行解,而本文对该网络模型改进后可得到线性规划问题的最优解.仿真结果证实了这种改进模型在解决线性规划问题上的有效性、正确性和高效率.     

基于集值统计的模糊神经网络专家系统及其应用

建立基于集值统计的模糊神经网络专家评审系统,并应用于科研项目评审工作,实际应用表明该系统是可行的。     

模糊概率神经网络水质评价模型及其应用

鉴于水质类型和分级标准存在模糊性,将模糊数学中的相对隶属度理论和概率神经网络和相结合,构建了模糊概率神经网络水质评价模型(FPNN).阐明了该模型的构建方法,提出了基于指标相对隶属度矩阵插值构建学习样本的方法,并将该模型应用于实际水质评价.通过与综合评判法、属性识别法和BP网络法的比较,验证了该模型操作简便,评价结果客观可靠.     

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。     

基于神经网络的模糊决策方法

给出用神经网络去处理模糊决策问题的方法,此方法避免了模糊决策计算量大、计算复杂,隶属函数确定带有主观性等问题。