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。     

粒子群优化模糊神经网络在语音识别中的应用

针对模糊神经网络训练采用BP算法比较依赖于网络的初始条件,训练时间较长,容易陷入局部极值的缺点,利用粒子群优化算法(PSO)的全局搜索性能,将PSO用于模糊神经网络的训练过程.由于基本PSO算法存在一定的早熟收敛问题,引入一种自适应动态改变惯性因子的PSO算法,使算法具有较强的全局搜索能力.将此算法训练的模糊神经网络应用于语音识别中,结果表明,与BP算法相比,粒子群优化的模糊神经网络具有较高的收敛速度和识别率.     

雷达船目标的模糊智能识别

模糊集理论和技术给复杂的模糊背景下的模式识别问题提供了一种简易有效的处理手段。基于模糊集理论,定量地分析和处理识别过程中的各种不确定性信息,以提高识别系统的可靠性和智能度,便是我们研究舰船雷达目标识别系统中识别算法的一重要内容。本文通过舰船雷达目标识别这一典型的模糊模式识别问题,系统地论述了模糊模式识别系统的一般性框架、模糊特征抽取和隶属函数的建立、模糊特征选择和匹配分类、层次化模糊分类系统构造等一系列关键性问题。本文提出的各种方法具有通用性,已建立的识别系统在试验中具有良好的目标识别能力。     

应用Sugeno模糊积分的目标识别效果评估

针对目标识别效果评估，提出一种通用化的评估思路，选取了评估指标及测度方法。随后，构筑了基于模糊积分的目标识别效果评估模型。最后，结合实测数据和拟合数据完成了仿真。     

基于BP神经网络的炮兵战场目标识别模型

战场目标的识别是一个相当复杂的过程,为了实现识别的自动化和计算机化,采用BP神经网络方法构造数学模型,选取合适的输入、输出及隐性结点,通过反复的学习和测试就可以得到符合实际的结果,从而为指挥员判断敌情提供决策依据.选取常用的音响、闪光、烟尘、机动和配置五种目标特征信息作为输入结点,通过多次仿真测试,说明运用BP神经网络进行战场目标识别是可行的,这也为情报处理自动化系统的实现提供了一个可靠的方法.     

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。     

神经网络与模糊逻辑

本文把神经网络模型理论分为四个部分:①神经元模型及其理论;②单层神经网络;③多层神经网络;④模糊神经网络。并分析了一些重要的神经网络模型的结构、算法及其性能。在此基础上,本文还着重分析了神经网络与模糊逻辑的关系,并指出了它们对新一代计算机的研制有着重要的影响。     

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 % .     

一类模糊神经网络

本文介绍了一个Ｆｕｚｚｙ神经网的三种基本形式，情况（１）是输入是实数，但权重和（或）偏差项是模糊的；情况（２）是输入是模糊的，但权重和偏差项是实数，情况（３）是输入模糊的，同时权重和（或）偏差项也是模糊的，本文集中研究情况（１），并主要讨论了情况（１）的模型性能（能力）而且得到一个较好的结果。     

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。     

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。     

模糊RBF神经网络在音频零水印中的应用

针对当前零水印不能"嵌入"有意义水印的不足,构建了在小波域中基于神经网络的零水印系统,提出了一种基于模糊RBF神经网络的音频零水印方案,有效解决了音频水印的鲁棒性与透明性之间的矛盾.模糊神经网络模糊系统的隶属度函数和推理规则决定RBF神经网络的结构和学习算法.因为水印方案不改变原始音频数据,所以具有良好的透明性,实验结果表明,方案具有很强的鲁棒性.     

模糊聚类与模糊识别理论模型研究

指出文 [1]模糊聚类与模糊识别模型的局限性 ,进一步研究模糊环境下的目标函数 ,修改模糊聚类中心的计算公式 ,提出计算权重的一个公式 ,拓广模糊聚类与模糊识别理论模型的应用范围     

军队知识管理模糊神经网络评估

根据军队知识管理的特点,构建了军队知识管理水平评价指标体系,指标体系从组织结构、人力、技术及知识系统4个一级指标和12个二级指标体系,运用四层模糊神经网络确定模糊综合评价中的权重值,同时采用改进的反向传播算法,用样本对网络进行训练,逐步修正网络的连接权值,使权重值更符合实际情况,最后用训练好的样本对六个单位的知识管理进行评估,结果表明,训练好的模糊神经网络可以对军队的知识管理进行评估,并得到很好的结果。     

基于卷积神经网络的智能制造过程质量异常诊断

针对现有方法在智能制造过程中诊断能力有限和识别精度不高的问题,提出了一种与智能制造过程相适应的基于卷积神经网络的质量异常诊断模型。首先建立基于实时数据的过程质量图谱,以精准表达制造过程运行状态。其次,构建用于识别质量图谱的卷积神经网络诊断模型。最后,利用滑动窗口取值的方式对当前过程运行状态进行动态诊断,并通过某球磨过程验证了所提方法的有效性与实用性。结果表明,所提方法优于传统浅层模型,能够有效的对过程异常状态进行识别与诊断。     

基于BP神经网络的手写体数字的识别方法研究

对手写体数字的识别问题进行了讨论,提出一种基于BP神经网络的识别方法.从而提高了识别效率.主要就在识别时,数字在图片上的位置和数字本身大小方面做了改进,发现数字在图片上的大小和其在图片上的位置直接影响识别效果.具体做的是,首先提取了图片的轮廓,然后归一化成28×28的图像.这样做,不仅使得图像数字区域大小相同,而且都在图像中心上,使得识别结果变的更加理想化,达到了高识别的目的.另外,选择了容错性较好的BP网络,以200组手写体数字图像作为输入向量,以其他的110组进行识别,效率达到了90%.