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。     

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。     

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 % .     

具有leakage项时滞与脉冲影响的模糊细胞神经网络指数同步

通过构造恰当的Lyapunov泛函并利用一些不等式分析技巧,得到了基于p-范数的耦合神经网络系统全局指数同步条件.所研究模型同时包含leakage项时滞、时变时滞和有界分布时滞,所得结果包含了之前一些文献的结论,适用范围更广泛.     

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。     

一类广义模糊双向联想记忆的稳定性

本文在（３）的基础上引入了一类广义的动态网络模型－带阈值的模糊双向联想记忆，并系统地研究了该网络的稳定性，证明了这个系统对于任意的连接权矩阵和阈值向量是全局稳定的，而系统的平衡态又是Ｌｙａｐｕｎｏｖ稳定的，最后用实例验证了我们的结论。     

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。     

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。     

模糊规划的Hopfield网络方法

首先将一类模糊规划转化为无约束多目标规划，再依据决策者偏好并采用Hopfield网络方法构造该多目标规划的评价函数，从而将模糊规划转化为无约束单目标规划来求解．     

随机Hopfield神经网络的稳定性

本文讨论了随机Hop fie ld神经网络的稳定性和不稳定性,给出了几乎指数稳定性和几乎指数不稳定性判定条件。     

Gentzen型模糊推理

本文建立了能同时处理证据、规则的不确定性以及证据与规则近似匹配的Gentzen型模糊推理的语形方法．     

基于神经网络的时变非线性系统迭代学习辨识

时变神经网络结构可简单地取为常规神经网络连接形式,但连接权却是时变的.如何确定时变权是应用时变神经网络时的难题.迭代学习方法是一种合理的选择,它不同于将时变连接权展成Taylor级数,通过训练多项式系数的处理方法.而且,后者的处理方式不可避免地存在截断误差.对于有限区间连续时变非线性系统的神经网络建模与辨识,借助于重复运行过程,以迭代学习算法调整权值,进行网络训练.不计逼近误差,提出的学习算法能够使得辨识误差在整个区间上渐近收敛于零.为处理非零但有界的逼近误差,采用带死区的迭代学习算法.逼近误差界值已知时,文中证明带死区修正的迭代学习算法使得辨识误差在整个区间上渐近收敛于由死区界定的邻域内.对于逼近误差界值未知的情形也进行了讨论.     

带有摄动的随机非线性系统的自适应神经网络控制

针对一类带有摄动的随机严格反馈非线性系统,引入积分型Lyapunov函数,利用神经网络的逼近能力,后推设计方法以及Young's不等式,构造出一类简单有效的自适应神经网络状态反馈控制器,在一定条件下,通过Lyapunov方法,证明了闭环系统的所有信号在二阶或四阶矩意义下半全局一致终结有界.仿真结果验证了所提控制方案的有效性.     

一类激励-抑制型时滞神经网络模型解的收敛性

本文考虑一类激励-抑制型时滞神经网络模型解的收敛性.利用分析的方法并结合平面系统的几何特性,得出初值φ=(ψ,Ψ)∈R2,在响应区间[a,b]的端点a和b处不振动时,解(z(t),y(t))→(0,0)(t→+∞).     

SOME CLASSES OF DIFFERENCE SEQUENCES OF FUZZY NUMBERS DEFINED BY A SEQUENCE OF MODULI

In this article, we introduce and examine some properties of new difference sequence spaces of fuzzy numbers defined using a sequence of modulus functions.     

连续型BAM神经网络的指数稳定性

首先将连续型双向联想记忆神经网络转化成一个特殊的Hopfield网络模型.在此基础上,对连续BAM神经网络的指数稳定性进行了新的分析,证明了神经网络连接权矩阵在给定的约束条件下有唯一平衡点.所做的分析可以用于设计全局指数稳定的神经网络.     

一类时滞神经网络差分系统周期解的吸引性

考虑一类 Mc Culloch- Pitts型信号函数的时滞神经网络差分系统周期解的吸引性 ,所得结果改进了文献 [6 ]相关结论。     

Fuzzified neural network based on fuzzy number operations

The fuzzified neural network based on fuzzy number operations is presented as a powerful modelling tool here. We systematically introduce ideas and concepts of a novel neural network based on fuzzy number operations. First we suggest how to compute the results of addition, subtraction, multiplication and division for two fuzzy numbers. Second we propose a learning algorithm, and present some ideas about the choice of fuzzy weights and fuzzy biases and a numerical scheme for the calculation of outputs of the fuzzified neural network. Finally, we show some results of computer simulations.