高校教师综合分析评价专家系统的设计与实现

基于T—S模糊模型的神经网络结构,通过在模糊辨识中引入3级知识库,并采用2级模糊推理技术的方法,提出了一种以高校教师为研究对象的综合分析评价专家系统的体系结构和方法。     

基于模糊神经网络的成绩评价模型的研究

将模糊系统与神经网络结合,提出了一种成绩模型。根据成绩评价过程,采用五层结构的模糊神经网络(FNN),用自适应学习步长来加速网络收敛速度,用云模型来描述模糊的隶属关系。模型具有结果稳定,计算速度快的特点。试验结果表明:与常规的方法比较,该模型的评价准确性高。     

高等数学课程的S—T分析

教育信息处理在教学过程和教学效果的评定中具有重要作用。本文从实践出发,运用教育信息处理中的S—T分析方法对南昌大学的高等数学教学过程进行了分析研究。     

基于标准饱和执行器的T—S离散模糊系统饱和控制

文中主要是对带有饱和执行器的T—S离散模糊系统,设计模糊控制律,使得模糊系统局部浙近稳定,并得到系统的一个吸引域．对于标准饱和执行器,给出相应的可行性算法,并确定了吸引域的一个较大估计．     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题.通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究.并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度.     

具McCulloch—Pitts型双阈值二元离散神经网络模型解的渐近性

本文研究了具McCulloch-Pitts型非线性双阈值二元离散神经网络模型平衡点的动力学性质.对给定的阈值范围,通过作变换把其平衡点的稳定性转化为零解的稳定性,证明了模型平衡点是全局指数渐近稳定的.     

求和模型S=n（n—1）／2的构建和应用

大家知道,从自然数1开始逐个相加,一直加到n,把它们的和记为S,则有由这个公式,可得:这个式子的意义是:从1开始的连续(n-1)个自然数的和等于是一个重要的数学模型,它的应用很广泛,许多看似复杂、棘手难解的问题。一旦用上了这个模型,将变得十分简单易求.一、在几何题中的应用例1 如图1,在直线l上有n个点A1、A2、A3…An,求直线l上共有多少条线段?分析:当直线l上有两个点A1、A2时,有一条线段,即S=1;当增加一个点A3时,就会增加2条线段     

改进的深度卷积神经网络对T波分类的应用

针对心电信号T波分类问题和深度卷积神经网络(deep convolutional neural networks,DCNN)出现的过拟合问题,提出了一种改进的深度神经网络算法,通过引入Dropout概念优化网络训练过程,提高算法的泛化能力。就分类准确率、训练次数、卷积核、算法的泛化能力4个方面进行实验对比,结果表明:在分类准确率方面,所提算法的标注结果与专家人工的标注结果接近,且标注重复率均可达98.9%以上;在训练次数方面,可有效减少训练次数,且测试集识别率可达99.31%;选择合适的卷积核个数,最终的测试集识别率可达99.31%。所提算法与BP神经网络、循环神经网络(recurrent neural network, RNN)、DCNN这3种方法相比较,可有效降低DCNN的过拟合问题,提高算法的泛化能力。     

综合素质评价的神经网络模型及Simulink实现

针对大学生综合素质评价过程中存在诸多非定量因素及非线性特征,建立综合素质测评的BP神经网络模型。利用BP神经网络实现对量化评价函数的逼近。所给出的神经网络模型较已有的评价体系具有更高的执行效率,而且还能生成模块化的程序进行推广。利用Matlab软件的Simulink平台对BP神经网络进行仿真计算,该方法可操作性强,不需要进行模糊评测方法过程中的复杂运算,具有较广泛的实用性。     

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．     

基于模糊聚类的自适应模糊神经网络

本文将模糊C均值聚类和自适应神经模糊网络结合起来．模糊C均值聚类用于对输入变量空间进行划分,生成初始的模糊规则库,自适应模糊神经网络（ANFIS）选用最小二乘法和BP算法．与普通的模糊神经网络相比,这种模糊神经网络收敛速度快,建模精度高。     

基于LMI的T-S模糊控制系统的研究

非线性控制系统具有不确定性,对复杂的非线性系统倒立摆的分析研究,采用T-S型模糊模型设计其控制系统,利用LMI求得可行性最优解,使得控制系统满足良好的特性。最后用MATLAB工具箱的LMI求解并进行仿真试验,达到较高的控制要求。     

基于补偿模糊神经网络在高校课堂评价中的应用

分析了补偿模糊神经网络的原理及其实现过程,并把它应用到高校课堂综合评价中,构建了高校课堂教学质量评价的补偿神经网络模型。实验结果表明,该评价模型能够较好地对课堂教学质量进行综合的评价,评价结果有利于促进课堂教学质量的提高。     

基于LM—BP神经网络的GDP预测模型及其应用

讨论了基于Levenberg—Marquardt（LM）算法的BP神经网络及其GDP预测的应用。LM算法利用误差函数二阶导数信息,对高斯一牛顿法的优化,相对传统的负梯度法而言,其收敛速度更快。最后以贺州市GDP为例,就预测的效率和精确度来说,LM—BP网络预测GDP的速度和精度明显优于标准的BP算法网络。     

基于云模型与神经网络的网络态势分析

通过引入云模型对输入信息进行模糊化处理,结合神经网络的非线性学习能力,提出一种基于云模型和神经网络的模糊分析模型CNN。在此基础上,引入遗传算法和粒子群优化算法,对连接权和阈值进行训练,构造出GA-CNN与PSO-CNN两个模型。由于神经网络具有在海量数据中提取隐藏规律的能力,而遗传算法与粒子群优化算法具有全局搜索的优点,因此可使所求问题以较大概率收敛到全局最优解或次优解。实验结果表明,该模型具有较高的检测率和较低的误检率,能够较好地实现对网络安全状态进行分析的目的。     

基于BP神经网络泛化能力的模糊聚类分析

利用专家经验对样本集进行聚类,通常是便捷有效的,为了衡量聚类的可信度,提出了基于BP神经网络泛化能力的模糊聚类方法,实例表明,此方法是行之有效的。     

开关磁阻电机的神经网络模糊直接转矩控制研究

为在简化开关磁阻电机控制系统结构的同时又能使其具有较快的转矩响应速度,提出一种适用于开关磁阻电机直接转矩控制的神经网络模糊推理控制方案,用神经网络定子磁链观测器取代传统的定子磁链观测器,采用模糊控制算法设计逆变器开关状态选择器,利用MATLAB对系统2种不同控制方法的仿真实验结果进行比较．通过比较发现,本文的控制方法转矩、转速、磁链响应快、脉动小,具有优良的稳定跟踪性能和动态响应。     

无刷直流电机直接转矩神经模糊控制研究

为简化无刷直流电机控制系统结构的同时又能使其具有较快的转矩响应速度,提出一种适用于无刷直流电机直接转矩控制的神经网络模糊推理控制方案,用神经网络定子磁链观测器取代传统的定子磁链观测器,采用模糊控制算法设计逆变器开关状态选择器。利用MATLAB对系统两种不同控制方法的仿真实验结果进行比较,通过比较得出,本文的控制方法转矩、转速、磁链响应快、脉动小,具有优良的稳定跟踪性能和较快的动态响应,具有一定的工程研究价值。     

基于模糊神经网络的非营利组织绩效评估

非营利组织绩效评估是一个新兴的课题,具有模糊性的特点。模糊神经网络作为模糊理论同神经网络相结合的产物,它集成了二者的优点,弥补了彼此的不足。利用模糊神经网络对非营利组织绩效进行评估,首先建立评估指标,然后通过模糊神经网络模型的构建,对评估指标进行分析,最后得出评估结果,从而达到评估的客观性和准确性。