插值型模糊前向神经网络

为了克服前向神经网络的固有缺陷,提出了基于采样数据建立的含单隐层神经元的模糊前向神经网络.该网络模型利用权值直接确定法得到了最优权值,网络结构可以随采样数据的多少,自主设定隐层神经元,完成了近似插值与精确插值的转换.计算机数值仿真实验表明,模糊前向神经网络具有逼近精度高、网络结构可调和实时性高的优点,并且可以实现预测和去噪.     

前向正则模糊神经网络依K-积分模的泛逼近能力

针对前向正则模糊神经网络引进K-拟可加积分和K-积分模概念,应用积分转换定理研究了该网络在K-积分模意义下对模糊值简单函数类的泛逼近能力,进而在有限K-拟可加测度空间上,借助模糊值简单函数为桥梁获得了前向正则模糊神经网络依K-积分模对(u)-可积有界模糊值函数类仍具有泛逼近性.该结果表明前向正则模糊神经网络对连续模糊系统的逼近能力可以推广为对一般可积系统的逼近能力.     

基于插值机理的分布参数系统T-S模糊推理建模

研究分布参数系统的建模问题,给出一种基于T-S模糊推理与HX方法的T-S型模糊三角插值推理建模方法,满足插值机理.理论分析表明方法可利用有限的采样数据推断分布参数系统的时空变化规律.仿真实验显示方法是有效的,且具有建模精度较高的特点.     

模糊处理变结构神经网络日负荷预测方法研究

对于受不确定因素影响的日电力负荷,首次提出了基于模糊分类规则的变结构神经网络负荷预测模型,考虑从两方面改进预测精度,一个方面是通过模糊分类规则,使过去的负荷数据分为不同气候特征,选用同类特征数据进行预测,另一方面是通过神经网络变结构优化,确定最优网络和最优拟合逼近,从而得到最优的预测结果,这种新方法同时考虑了天气因素的影响和神经网络的最优确定,因此,较大提高了日负荷预测的精度。     

前向网络作为模糊函数泛逼近器的一致性分析

前向神经网络的泛逼近性一直是神经网络的研究热点.本文给出了连续模糊函数的定义,依Hausdorff度量,借助模糊值Bernstein多项式关于连续模糊函数的逼近性质,证明了前向网络作为模糊函数泛逼近器的一致逼近性结果,并通过实例给出了逼近性的具体实现过程.     

基于模糊神经网络建模的RFID室内定位算法

将模糊神经网络FNN应用于基于RFID技术的室内定位系统IPS,提出一种基于模糊神经网络的RFID室内定位算法,算法将参考标签数据作为神经网络的训练样本,建立"标签接收信号强度与标签读写器间距离RSSI-DIST"的映射模型,然后利用最小二乘解确定目标的位置坐标.同时,对比了传统BP神经网络和FNN网络在建模和定位中的性能.在仿真和硬件平台测试中,模糊神经网络都要比BP表现出更优异的性能,表明基于模糊神经网络的算法更适合于IPS系统.     

球面神经网络的构造与逼近

研究球面神经网络的构造与逼近问题.利用球面广义的de la Vallee Poussin平均、球面求积公式及改进的单变量Cardaliaguet-Euvrard神经网络算子,构造具logistic激活函数的单隐层前向网络,并给出了Jackson型误差估计.     

基于季节性RBF神经网络的月度市场需求预测研究

本文提出一种季节性神经网络预测模型,对具有季节性变化的产品月度市场需求进行预测.在Matlab语言环境下,用傅立叶周期分析法得到时间序列的周期长度;借鉴嵌入理论,提出了确定季节性神经网络输入维数的策略;利用计算机程序搜索,确定最优参数;通过合理插值,重构样本集.仿真实验表明,该模型的预测精度明显高于其他几个常用的季节预测模型.     

伪逆矩阵及其在改进型BP神经网络中的应用

基于伪逆矩阵理论,将sigmoid型激励函数与隶属函数相结合,构造出了改进型三层BP神经网络模型。该网络模型可以确定隐含层神经元个数,并给出了权值直接确定算法下的最优权值矩阵,最优权值矩阵就是计算输入受激励矩阵的伪逆矩阵与输出向量的乘积,突出了改进型BP神经网络就是基于训练数据的矩阵方程求解的特殊表示。仿真实验验证了该网络具有极高的逼近精度,且运行时间较短。     

基于模糊神经网络的MVP评价模型及实证分析

利用模糊数学和神经网络方法建立对运动员进行评价的模糊网络模型,采用NBA流行的各评价指标作为其输入,模糊综合评价结果作为输出。样本数据采用2003~2004赛季NBA各单项50强的常规赛数据,分别用BP网络和RBF网络,建立分析系统,比较结果证明RBF网络仿真效果最好,完全可以实用,该模型也可以用在其它综合评价系统中。     

基于知识的模糊神经网络的旋转机械故障诊断

提出了一种基于知识的模糊神经网络并用于故障诊断．首先基于粗糙集对样本数据进行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据规则数目进行模糊神经网络结构部分设计,规则的依赖度和条件覆盖度用于设定网络初始权重,而用遗产算法对神经网络输出参数进行优化．这样的模糊神经网络称为基于知识的模糊神经网络．使用该网络对旋转机械常见故障进行诊断,结果表明,和一般模糊神经网络相比,该网络具有训练时间短而诊断率高的特点．     

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 .     

时间尺度上漏项中具有变时滞的中立型模糊BAM神经网络的概周期解

本文研究了一类时间尺度上漏项中具有变时滞的中立型模糊BAM神经网络.利用时间尺度上线性动力学方程的指数二分法,Banach不动点定理和时间尺度上的微积分理论,得到了这类模糊BAM神经网络在时间尺度上概周期解的存在性和指数稳定性的充分条件.     

紧区间上高斯核近似逼近误差估计的改进

本文研究了由高斯核构成的拟插值算子在闭区间上的近似逼近问题.利用函数延拓和近似单位分划的方法,构造了拟插值算子,并得到了一致范数下的逼近阶估计.     

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。     

GIHS-TSFNN并行学习算法及其应用研究

针对传统T-S模糊神经网络的随机初始网络参数导致网络学习速度慢、易陷入局部解以及运算精度低等缺陷,提出了一种应用佳点集的改进和声搜索算法(GIHS)优化T-S模糊神经网络的并行学习算法.首先应用佳点集择优构造更加高质量的初始和声库,然后搜索过程中进行参数动态调整,并且每次迭代产生多个新解,充分利用和声记忆库的信息,以提高算法的全局搜索能力和收敛速度.其次,将GIHS算法与T-S神经网络相结合构建并行学习算法,实现两种算法的并行交互集成,得到了最优参数配置以提高T-S模糊神经网络的泛化能力.最后将该算法应用到农业干旱等级预测中以解决旱情评估问题.仿真实验表明,GIHS算法性能优于基本HS和IHS算法,且与T-S模糊神经网络、HS算法优化的T-S模糊神经网络和IHS算法优化的T-S模糊神经网络相比,具有更高的预测准确度.     

简易插值模糊推理方法

从函数扩充的角度将模糊推理视为两个论域语言值与语言值之间的对应关系,将一条规则视为一个由前提和结论组成的模糊数据对,将规则集视为一组已知的模糊数据节点集,将它们作为模糊插值节点,给出了一种插值推理函数的建立方法.然后利用扩展原理给出插值推理结果,推理的过程简化为一个求复合函数的过程.无论是对稀疏规则集还是对完备规则集,只要具有有序交叠互补性,该推理方法就能保证还原性,语气单调性,属性介值性和保正规性.     

基于GA-BP的锅炉燃烧系统的仿真与研究

在当今社会中,我国的发电仍然以火力发电为主.锅炉能否安全经济的燃烧是火力发电厂最为关心的问题.锅炉安全经济的燃烧不仅可以使得发电成本降低还能有效的减少有害物质的排放.依据某热电厂的现场数据选用BP神经网络来对锅炉燃烧系统进行建模分析.利用遗传算法对BP神经网络的权值、阈值进行优化,建立更为理想的GA-BP网络模型.实验结果表明,在采用遗传算法优化的神经网络之后,模型的收敛速度、训练精度得到了有效的提高.为了进一步的研究该系统,建立模糊PID优化控制器并仿真,仿真结果证明了模糊PID的优越性.以上研究说明,通过以上手段可以有效地优化热电厂的锅炉燃烧系统.     

模糊质量概念下的一类累积和质量控制图

基于模糊随机变量概念,利用随机变量和模糊度相结合的方法描述模糊质量数据。得到了一类在独立模糊观测条件下关于LR型模糊质量数据情形的一元累积和质量控制图。