基于一阶Takagi-Sugeno系统的Pi-Sigma网络的改进神经-模糊梯度学习算法

This paper presents a Pi-Sigma network to identify first-order Tagaki-Sugeno（T-S） fuzzy inference system and proposes a simplified gradient-based neuro-fuzzy learning algorithm.A comprehensive study on the weak and strong convergence for the learning method is made,which indicates that the sequence of error function goes to a fixed value,and the gradient of the error function goes to zero,respectively.     

闭环模糊控制系统最大平衡点的算法研究

给出在不需要任何附加条件的情况下,直接求解闭环模糊控制系统最大平衡点的一种算法。     

测试模糊码的一种算法

Abstract. How to verify that a given fuzzy set A∈F(X ) is a fuzzy code? In this paper, an al-gorithm of test has been introduced and studied with the example of test. The measure notionfor a fuzzy code and a precise formulation of fuzzy codes and words have been discussed.     

Max—min神经网络的一种有效学习算法

本文在Ａ．Ｂｌａｎｃｏ等人的算法的基础上，提出了ｍａｘ－ｍｉｎ神经网络的一种改进了的反馈学习算法，严格证明了该算法的迭代收敛性，理论分析及实例计算结果均表明，本文算法具有算法简单，收敛速度快，输出误差小等显著特点。     

模糊C均值算法的改进

模糊聚类分析方法具有较强的实用性,但传统的模糊C均值算法对数据集进行分类时有均分的趋势,对于数据集中各类样本数目相差较大的情况,其聚类结果不是很理想.因此,本文对FCM算法进行了改进,使之不但能够达到更好的分类效果,同时也更加适用于样本分类不均衡的聚类问题.文中还结合具体算例进行了聚类分析,得到了理想的分类效果.     

模糊最短路的一种算法

模糊最短路问题在许多领域有着广泛的应用,研究这一问题具有重要意义。根据多准则决策理论求非被支配路径集合,求最大效用模糊最短路以及利用模糊数排序方法求模糊最短路是常用的三种研究方法,本文利用OERI排序原理,使网络模糊边长具有线性可加性,对具有三角模糊数边权的网络给出了一种标号算法,该算法简单高效,且易于在计算机上实现,算法的时间复杂度为O(n^2)。     

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     

一种基于CS-FCM算法的模糊时间序列预测模型

为了发挥模糊理论在不确定性预测中的优势并保留模糊时间序列(FTS)预测模型的可解释性,本文针对目前应用广泛的模糊C均值聚类(FCM)算法进行改进,提出了一种基于布谷鸟搜索的FCM (CS-FCM)算法.将CS-FCM算法用于模糊时间序列模型的非均匀论域划分与数据的模糊化处理,建立一种基于CS-FCM算法的模糊时间序列预测模型.该算法可实现聚类中心的全局寻优,降低传统FCM算法易陷入局部极小值带来的误差,提高模型预测精度.实证分析结果表明, CS-FCM算法的适应度优于FCM算法,本文模型的预测误差小于经典模糊时间序列预测模型,验证了新预测模型的有效性.     

一种基于模糊层次分析法的SWOT改进模型

基于传统SWOT模型多为定性分析,不能为企业提供明确的战略方向,运用三角模糊数与层次分析法相结合的模糊层次分析法对其进行改进,使分析结果定量化.最后通过实例分析,验证了改进的SWOT模型的优越性和适用性.     

基于蚁群算法的模糊分类系统设计

提出了一种基于最大-最小蚁群算法的模糊分类系统设计方法.该方法通过两个阶段来实现:特征变量选择和模型参数优化.首先采用蚁群算法对特征变量进行选择,得到一组具有较高分辩性能的特征变量,提高模型的解释性;在模型结构确定后,蚁群算法从训练样本中提取信息对模型的参数进行优化,在保证模型精确性的前提下,构造具有较少变量数目及规则数目的模糊模型,实现了精确性与解释性的折衷.最后将本方法运用到Iris和Wine数据样本分类问题中,并将结果与其它方法进行比较,仿真结果证明了该方法的有效性.     

一类改进的模糊Smith 预估控制系统

针对工业生产过程中常见的大时滞对象,在分析模糊Smith预估控制方案的基础上,提出一种新的控制方案,分别对模糊控制器和Smith预估器加以改进,仿真结果表明,改进后的方案具有较强的鲁棒性和较好的控制性能。     

匝道测控的模糊设定

对20世纪80年代中期兴起并肾密结合现代科学技术进步的一门新兴学科一智能运输进行了介绍。针对智能运输中匝道测控的动态演变过程，对匝道测控的内涵与属性进行讨论，给出匝道测控的模糊设定模型。文中还指出在匝道测控研究中面临的问题，对匝道测控的进一步发展进行展望，对开展智能运输中匝道测控的研究具有启迪作用和现实意义。     

支持向量机方法与模糊系统

概括介绍了近年来倍受瞩目的一种新的计算机学习方法——支持向量机(Support Vector Machines,简称SVM)方法,这一方法具有坚实的理论基础和出色的应用效果;并分析了SVM方法与模糊系统的关系,对这两种方法的交互促进和发展提出了看法。     

利用模糊滑模控制的非线性不确定系统模型到达控制

研究了一类非线性不确定系统的模型到达控制问题。控制机构中采用了动态补偿器和模糊滑模控制律,并且在解模糊中采用了双二次函数插值算法。模糊滑模控制的应用,抑制了抖振,保证了系统的快速性和鲁棒性,模糊数模型和双二次函数插值解模糊算法,大大减少了计算量。仿真验证了本文的方法的有效性。     

基础L*系统的一种扩张——Lukasiewicz系统

研究模糊命题演算的形式演绎系统 L *和 Lukasiewicz命题演算系统 Lu,提出基础系统L *—— BL *系统 ,证明 BL *系统的一种扩张与 Lukasiewicz系统之间的等价性 ,从而为 L *系统和BL *系统提供了一个应用实例。     

三级倒立摆的T-S型前馈补偿模糊神经网络控制

为解决T akag i-Sugeno型模糊神经网络在控制多变量系统时的规则组合爆炸问题,提出一种误差前馈补偿的模糊神经网络控制方案,有效实现了三级倒立摆的稳定控制。该控制方案适用对状态变量可按性质和重要程度划分的多变量系统的控制,大大减少了模糊神经网络控制器的规则数,有利于利用专家的控制经验,具有良好的鲁棒性和非线性适应能力。     

模糊神经网络在山区自然坡失稳预报中的应用

将模糊理论和神经网络相结合, 建立基于模糊神经系统的自然坡失稳预测模型--模糊神经网络(FANN)方法, 并针对我国湖北宜昌鄂西磷矿开采引起上部自然坡失稳的可能性进行了具体计算分析.     

不确定对象的自学习模糊神经网络控制方法

本文对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法，模糊控制器采用误差，误差变化及误差加速度的加权和解析描述形式，利用人工神经网络直接对过程的建模，实现对模糊加权因子的自学习优化调整。将上述方法用于焊接熔池动态过程控制实实验，结果表明本文提出的自学习模糊神经网络控制方案有效。     

自组织结构的变论域模糊控制

针对变论域模糊控制,提出一种新的自组织结构的变论域模糊控制方法。自组织结构算法可以调整变论域模糊系统结构以及动态获得模糊规则,进一步减小变论域模糊控制项的稳态逼近误差。通过进一步理论分析可知,自组织结构算法仅仅保证了系统瞬时的切换是平稳的,但不能保证系统的闭环稳定性。给出了所提出控制方法的适用条件。通过与固定模糊系统结构的变论域模糊控制比较,仿真结果表明,所提出控制方法不仅使得系统的稳态跟踪误差更平稳,而且使得输入控制信号更加平滑。     

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。