模糊逼近神经网络摄动系统的若干进展

本文对本世纪80年代中期兴起并紧密结合现代科学技术进步的一门新兴学科--模糊神经网络进行了综述,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研究中有待解决的许多问题.针对这些问题,介绍了笔者的工作--模糊逼近神经网络摄动系统,对开展模糊神经网络的研究将具有启迪作用和现实意义.     

ReinforcementBased Fuzzy Neural Network Control with Automatic Rule Generation

１　Ｉｎｔｒｏｄｕｃｔｉｏｎ　Ａｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｎｔｒｏｌｌｅｒｂａｓｅｄｏｎｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｆｕｚｚｙｌｏｇｉｃｓｙｓｔｅｍａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｈａｓｕｎｉｑｕｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｉｔｎｏｔｏｎｌｙｈａｓｔｈｅｆｕｎｃｔｉｏｎｏｆｌｅａｒｎｉｎｇａｎｄａｓｓｏｃｉａｔｉｖｅｍｅｍｏｒｙｂｕｔａｌｓｏｃｌｅａｒｌｙｒｅｐｒｅｓｅｎｔｓａｋｉｎｄｏｆｓｔｒｕｃｔｕｒｅｄｋｎｏｗｌｅｄｇｅａｎｄｄｏｅｓｆｕｚｚｙｉｎｆｅｒｅｎ…     

A BOD-DO coupling model for water quality simulation by artificial neural network

A one-dimensional BOD-DO coupling model for water quality simulation is presented,which adopts Streeter-Phelps equations and the theory of back-propagation artificial neural network.The water quality data of Yangtze River in the Chongqing region in the year of 1989 are divided into 5 groups and used in the learning and testing courses of this model.The result shows that such model is feasible for water quality simulation and is more accurate than traditional models.     

基于神经网络的高校教师课堂教学质量评价

在分析了高校教师教学质量评价特点的基础上,构建了一种基于模糊理论与神经网络的高校教师教学质量评价体系。该模型将教学评价指标概念量化成确定的数据作为网络的输入,模糊综合评价结果作为输出。该方法既克服了评价主体在评价过程中的主观因素,又得到了满意的评价结果,具有广泛的适用性。     

Elevator group-control policy based on neural network optimized by genetic algorithm

Aiming at the diversity and nonlinearity of the elevator system control target, an effective group method based on a hybrid algorithm of genetic algorithm and neural network is presented in this paper. The genetic algorithm is used to search the weight of the neural network. At the same time, the multi-objective-based evaluation function is adopted, in which there are three main indicators including the passenger waiting time, car passengers number and the number of stops. Different weights are given to meet the actual needs. The optimal values of the evaluation function are obtained, and the optimal dispatch control of the elevator group control system based on neural network is realized. By analyzing the running of the elevator group control system, all the processes and steps are presented. The validity of the hybrid algorithm is verified by the dynamic imitation performance.     

基于模糊观测数据的RBF神经网络回归模型

提出了一种基于模糊观测数据的RBF神经网络（FORBFNN）,用于解决一类输出不可精确测量但可用模糊隶属度来表征的非线性系统建模问题．神经网络模型中各隐层神经单元的权重系数采用一种新的模糊EM算法辨识获得;隐层神经单元的数量及径向基函数的中心和宽度基于一种数据驱动的方法自适应确定,即首先初始生成一个隐层单元,然后根据一定的规则逐步加入新的单元,该过程不断迭代直到模型满足预设要求．该方法同时考虑了模型的复杂度及预测精度．数值模拟实验结果表明该建模方法是有效的,且建立的模型具有较高的预测精度．     

基于模糊神经网络PID的无刷直流电机控制系统研究

针对传统PID控制在无刷直流电机控制系统中达不到良好的控制效果的问题,在无刷直流电机的数学模型基础之上,设计一种模糊神经网络自适应PID控制器,该控制器利用模糊控制非线性控制作用和BP神经网络的学习能力及适应能力相结合对PID参数进行在线实时调整。对基于模糊神经网络自适应PID控制器的无刷直流电机的双闭环控制系统进行仿真实验,实验结果表明,可以提高控制系统的响应速度,减小超调量,对负载及电机参数的变化都有较强的鲁棒性。     

一类变时滞细胞神经网络模型的指数稳定性

讨论了一类变时滞细胞神经网络模型的指数稳定性问题.通过构造新的Lyapunov泛函和利用线性矩阵不等式（LMI）技术,获得了一些保证模型的平衡点指数稳定的充分条件.     

模糊综合评判的神经网络方法在损害分析中的应用

本文针对反倾销中损害案件的调查,在满足法律条文规定的基础上,采用模糊综合评判的神经网络方法,优化损害和损害程度的综合评判模型中企业经营指标的评判指标权重,进而采用优化后的权重进行损害和损害程度的综合评判.使评判过程和结果更加具有科学性,也使反倾销损害调查的裁决更加具有公共性和透明度.此方法对政府有关部门裁决倾销和反倾销案件有一定的辅助决策.     

基于粒子群算法的BP神经网络优化在电站锅炉燃烧中应用研究

用BP神经网络对电站锅炉运行数据进行训练、测试,并在此基础上使用粒子群算法对已建立的锅炉BP神经网络模型做进一步优化。通过对网络预测输出值与实际值之间的比较,明确PSOBP可以更好地提升BP神经网络的泛化能力。     

基于神经网络的数字广播信号无线定位算法(英文)

为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别.     

基于模糊线素特征与神经网络相结合的手写体汉字识别

本文提出了一种基于模糊方向线索特征 (fuzzydirectionallineelementfeature,FDLEF)与人工神经网络 (artificialneuralnetworks,ANN)相结合的手写体汉字识别方法 (FDLEF -ANN) ,解决了单一FDLEF方法对相似字识别率低的问题 .这种方法分两级识别 ,先由FDLEF识别模块进行识别 ,将识别结果送至选择器 ,若识别结果不属于预定义的相似字集合簇 ,则该结果即为最终识别结果 ,否则 ,将其送至人工神经网络识别模块进行相似字的识别 .本方法既保留了原FDLEF方法的优点又提高了对相似字的识别率 ,FDLEF -ANN系统对相似字的识别率由 78 0 9%提高到 82 97% .     

逆向需求模糊的多车辆集散货物路线问题

研究了一类新的车辆路线问题（VRP）——整合逆向物流的多车辆路线问题（MVRPRL）．该问题的特点是客户可以同时取货和发货,而且客户发货量是在路线安排前是不确定的．首先用三角模糊数表示客户发货量,建立了基于模糊置信度理论的多目标模型;然后设计了基于模拟的改进禁忌算法来求解该模型：用模拟的方法计算路线失败值,在路线搜索中采用路线内部改善和路线间改善两类邻域操作,而且采用了重起策略．计算结果表明该方法优于传统的扫描算法,整合逆向物流的运输费用比正逆向分别运输之和减少了43％．     

A robust gain-scheduling control based on VSC and fuzzy local controller network

Based on variable structure control (VSC) and fuzzy local controller network (FLCN), a new design method of robust gain-scheduling control is proposed in this paper. The proper sliding-modes and the tendency-rates for general operation-points are introduced such that the system gets into the sliding-modes’ motion as soon as possible and has the desired performance. Its good performance is due to the robustness of VSC. However, any local controller works well only in the local region of a specified operation-point. In this paper functions similar to the fuzzy-attributed function in fuzzy-systems are introduced to form FLCN. The simulation results showed that the presented method is feasible and acceptable. Project supported by the Natural Science Foundation of China (NSFC: 69934030) and the Zhejiang Provincial Natural Science Foundation of China (ZJPNSFC: ZD9905).     

Parameters optimization and nonlinearity analysis of grating eddy current displacement sensor using neural network and genetic algorithm

A grating eddy current displacement sensor （GECDS） can be used in a watertight electronic transducer to realize long range displacement or position measurement with high accuracy in difficult industry conditions. The parameters optimization of the sensor is essential for economic and efficient production. This paper proposes a method to combine an artificial neural network （ANN） and a genetic algorithm （GA） for the sensor parameters optimization. A neural network model is developed to map the complex relationship between design parameters and the nonlinearity error of the GECDS, and then a GA is used in the optimization process to determine the design parameter values, resulting in a desired minimal nonlinearity error of about 0.11%. The calculated nonlinearity error is 0.25%. These results show that the proposed method performs well for the parameters optimization of the GECDS.     

基于CS理论和BP神经网络理论的工程造价估算研究

在借鉴国内外相关理论和方法的基础上,利用显著性成本理论和神经网络理论相结合对工程项目的投资进行估算.运用显著性成本理论,通过寻找显著性项目,简化工程造价估算的操作难度,从而解决操作烦琐的问题;并依据BP神经网络在大量已完工程资料中提取类似CSIs和显著性因子csf,从非线性角度实现了对项目投资的准确预测,并进行算例分析,从算例可以看到,预测值与实际值的相对误差很小,满足投资预测要求.     

MCFC燃料电池的非线性建模及基于FGA的模糊控制

1Introduction Moltencarbonatefuelcell(MCFC)isaclearelec tricitygeneratingtechniquewithhighefficiency,which istobeusedwidely.Withoutcombustion,MCFCcon vertschemicalenergycontainedinfuelandoxidantin toelectricenergyviaelectro chemicalreaction.Per formanceof…     

用遗传神经网络混合算法求解可变加工时间Job-shop调度问题

有效地混合了遗传算法和基于约束满足的自适应神经网络算法,对于一类加工时间可变的调度问题进行了研究.遗传算法被用来进行迭代寻优.当前代经交叉和变异后生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,实验结果说明了遗传/自适应神经网络算法混合算法的有效性.     

Neural network fault diagnosis method optimization with rough set and genetic algorithms

1 Background1 The fault diagnosis to equipment is to obtain fault patterns from characteristic parameters, and in fact it is the problem of fault characteristic’s classification. However the mapping of characteristic parameters to fault patterns is serio…