基于交互式隶属函数调整的模糊神经网络

对基于模糊神经网络的人脸识别方法进行了研究,提出的模糊神经网络在高维空间（如人脸）上进行模糊规则获取中得到的最终隶属度函数值并不合理,易得到零值的情况,对模糊规则获取过程中的隶属度函数初始值进行人为地调整．在ORL人脸库的实验结果表明,该方法具有良好的性能．     

函数增强型神经网络应用于钢的冷弯性能研究

函数增强型神经网络（Functional Enhanced Net,简称FEN）是一种无隐含层的新型网络,作应用其三阶联合激励增强特性对钢的冷弯性能进行判别研究,识别准确率达100%,对预测集的每一个输入信号添加噪音干扰,发现依然能准确判别。网络误差下降随着添加噪音的增大而逐渐变慢,可见该网络的容错能力令人满意。     

模糊可测函数的性质

以“模糊数值模糊可测函数定义的注记”一文提出的模糊可测函数新定义为基础，讨论了在新定义下模糊可测函数的性质，所得结论均是经典测度论中相应结论的推广。     

测量凸透镜焦距三种方法的误差比较

在中学高中教材中，介绍了测量凸透镜焦距的三种测量方法，即平面镜法、公式法，共轭法．用这三种方法测量凸透镜焦距的误差大小如何呢?利用高等数学的微积分知识和函数的泰勒公式，可以对这三种测量方法的误差大小进行比较。     

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。     

尝试函数近似法的误差

讨论了运用量子力学解决实际问题时使用尝试函数近似法以减小误差的一般方法 ,通过理论和实例的详细计算得出结论 :使用与基函数相同次数的尝试函数有时并不能减小误差     

模糊值函数的极限及性质

引入了模糊值函数极限的新定义,在此基础上讨论了模糊值函数极限的基本性质,并给出了模糊值函数极限的存在条件。     

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.     

函数大小的比较

本文利用连续函数和可微函数的性质，对函数的大小以及两个函数大小程度进行了定量的讨论。     

三种RBF神经网络比较分析

径向基函数(RBF)神经网络广泛应用于模式识别、非线性函数逼近等领域。通过对聚类、梯度、正交最小二乘三种RBF神经网络进行正弦函数逼近的仿真实验,从中比较分析这三种RBF神经网络。得到的对比分析结果表明:正交最小二乘的方式所需的训练时间最短,网络收敛速度最快,并且不需要预先定义隐层节点数。     

模糊神经网络的智能染色温度控制系统

染色温度控制系统中存在着严重的非线性、较大的时变性和时滞性 ,难以用数学方法建立精确的数学模型 ,用传统的常规控制很难达到较好的控制效果 ,本文将人工智能中的神经网络控制技术和模糊控制技术结合 ,采用闭环控制方式实现染色缸染色温度控制     

模糊自反矩阵传递闭包的神经网络方法

在模糊逻辑神经元定义的基础上,根据模糊自反矩阵传递闭包的计算方法,利用神经网络的特殊结构设计了模糊自反矩阵传递闭包的模糊神经网络模型及其具体算法,并对算法的收敛性给出了证明.     

Reinforcement-Based Fuzzy Neural Network ontrol with Automatic Rule Generation

A reinforcemen-based fuzzy neural network control with automatic rule generation RBFNNC) is pro-posed. A set of optimized fuzzy control rules can be automatically generated through reinforcement learning based onthe state variables of object system. RBFNNC was applied to a cart-pole balancing system and simulation resultshows significant improvements on the rule generation.     

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。     

神经网络集成及研究进展

神经网络集成是机器学习和神经计算重要研究领域,通过训练有限个神经网络个体,并将其结论进行适当的合成,可以极大提高学习系统的泛化能力,已经成为一种有广阔应用前景的工程化神经计算技术.本文讨论了神经网络集成的理论方法及其研究进展,并对该领域进一步研究的问题进行了探讨.     

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。     

基于神经网络模糊逻辑的感应电机直接转矩控制

针对感应电机直接转矩控制中存在较大转矩脉动的特点,提出基于神经网络与模糊逻辑的感应电机直接转矩控制策略,用训练好的神经网络建立定子磁链观测器,将模糊控制算法引入逆变器状态开关选择器,通过对转矩误差、定子磁链误差和磁链位置角的模糊分级来实现逆变器开关的分级控制。仿真及实验结果表明,与常规DTC相比,该控制方法转矩、转速、磁链响应速度快、响应脉动小,具有良好的稳态跟踪性能和优异的动态响应。     

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。