基于FNN与表现评价模型的生物教学研究

针对传统生物课堂教学存在学生学习情况评估不到位等问题,研究通过利用表现评价对课堂教学进行优化,再将模糊神经网络应用到表现评价中,将二者融合用于构建课堂教学模型中,利用学生考试成绩的真实值与预测值进行对比,判断模型的性能。结果表明,模型方法的检测率、召回率的平均值分别为91.21%、90.53%,均高于对比方法。这说明研究构建的生物课堂教学模型具有很好的可行性和鲁棒性。

基于ISSA-FNN的采煤机健康状态评估

为了准确地评价采煤机的健康状况,提出一种改进麻雀搜索算法(ISSA)优化模糊神经网络(FNN)的评估模型。针对麻雀搜索算法(SSA)的不足,引入精英混沌反向学习策略生成初始麻雀种群,提高算法收敛性能,采用柯西高斯变异策略提升种群多样性保持能力和局部空间逃逸能力。实验表明,所提方法提高了FNN的收敛精度和泛化能力,ISSA-FNN在采煤机健康评估中优于SSA-FNN与PSO-FNN模型。

基于GAPSO-FNN神经网络的锂离子电池传感器故障诊断

新能源汽车的动力电池内部存在多种传感器用来进行电池系统的安全监测,而传感器故障会导致荷电状态等指标出现误差,严重时会触发电池热失控的风险。为了有效准确地进行电池传感器故障诊断,提出基于遗传算法优化粒子群算法(genetic algorithm optimized particle swarm optimization,GAPSO)和模糊神经网络(fuzzy neural network,FNN)的锂离子电池传感器故障诊断方法对锂离子电池的传感器进行故障诊断,该方法使识别故障准确率迅速提升。本工作首先通过硬件平台和Matlab/Simulink环境相结合的方式获取电池传感器故障的数据,然后对故障数据进行预处理及特征提取,最后采用GAPSO-FNN算法对电池传感器进行故障诊断,并与传统神经网络和模糊神经网络方法的结果进行对比。仿真结果表明,基于GAPSO-FNN的锂离子电池传感器故障诊断方法相比于传统的神经网络方法测量准确率提升了25%,相比于模糊神经网络准确率提升了10%,故障诊断准确率能够达到95%,在减少故障诊断所需信息量的同时,有效地提升了故障诊断的准确率。

基于改进FNN-CCC的双伺服压力机同步控制策略研究

目的改善双伺服压力机同步控制策略的动态响应性能和鲁棒性,提升双伺服压力机的单轴跟踪精度和双轴同步精度,实现成形过程的高精度位置控制。方法建立双伺服压力机驱动系统数学模型,分析系统同步误差来源,结合模糊神经网络单轴控制算法,引入迭代学习律,设计一种改进模糊神经网络-交叉耦合(FNN-CCC)同步控制器。基于系统控制模型进行单轴阶跃响应特性与双轴正弦跟随特性仿真,搭建嵌入式双伺服压力机驱动系统试验平台,在偏载干扰条件下进行双轴同步控制试验,验证所提出理论的有效性。结果仿真结果表明,与模糊控制算法和BP神经网络控制算法相比,该控制器单轴控制算法的超调量分别减少了11.5%和25.5%,调节时间分别减少了48.8%和34.4%,具有更好的动态响应性能。与原控制器相比,改进后的交叉耦合同步控制器最大双轴同步误差降低了65.7%,同步控制精度有所提高。试验结果表明,与传统PID-交叉耦合控制器相比,改进的FNN-CCC控制器有更好的控制性能,在热冲压合模成形阶段,单轴跟踪误差分别减小了81.8%和75.0%,双轴同步误差减小了69.2%。结论所提出的同步控制策略在偏载干扰条件下具有较好的动态响应性能和鲁棒性,能够使同步误差快速收敛,提高了双伺服压力机驱动系统的单轴跟踪精度和双轴同步控制精度,实现了对双伺服压力机的高精度控制。

基于FNN算法的机械设备远程故障检测系统研究

模糊神经网络越来越受到学者的关注,许多专家预测模糊的神经网络技术很可能成为21世纪智能管理领域的核心技术。为解决硬件故障诊断过程中的非线性输入问题,设计了一种基于FNN算法的硬件诊断系统。文章结合实际需求,构建了数据采集系统、电信数据系统和远程控制成像系统的相关硬件系统,并使用MATLAB作为编程软件开发了相应的测试模块,以了解机械设备的远程分析。系统开发完成后,对数据进行仿真、实验室测试和现场试验,可以连续正确地传输数据,并可以实时检测设备的运行状态,从而确定系统的可行性。

基于模糊神经网络(FNN)的赤潮预警预测研究

为研究各种理化因子与赤潮藻类浓度间的非线性对应规律和有效预测赤潮藻类浓度,构建了基于BP算法的一个四层模糊神经网络模型。将模糊神经网络(FNN)技术引入赤潮预测研究,并与普通BP网络、RBF网络的结果作比较,结果表明,该模型能够较好地反演出各种理化因子与夜光藻密度的非线性对应变化规律,有更好的预测功能。

基于HMM-FNN模型的复杂动态手势识别

复杂动态手势识别是利用视频手势进行人机交互的关键问题.提出一种HMM-FNN模型结构.它整合了隐马尔可夫模型对时序数据的建模能力与模糊神经网络的模糊规则构建与推理能力,并将其应用到复杂动态手势的识别中.复杂动态手势具备两大特点:运动特征的可分解性与定义描述的模糊性.针对这两种特性,复杂手势被分解为手形变化、2D平面运动与Z轴方向运动3个子部分,分别利用HMM进行建模,HMM模型对观察子序列的似然概率被作为FNN的模糊隶属度,通过模糊规则推理,最终得到手势的分类类别.HMM-FNN方法将高维手势特征分解为低维子特征序列,降低了模型的复杂度.此外,它还可以充分利用人的经验辅助模型结构的创建与优化.实验表明,该方法是一种有效的复杂动态手势识别方法,并且优于传统的HMM模型方法.

基于FNN的软件项目绩效评价模型研究

从分析软件项目绩效评价指标体系不完善、评价方法不规范和模型考虑因素过于单一入手,应用统计分析理论建立软件组织状态、软件项目自身特征的指标体系;以文献研究的方式,界定软件项目绩效的内涵;提出了一种新的网络拓扑结构设计方法,建立了基于模糊神经网络的软件项目绩效评价模型;引入改进粒子群学习算法,准确高效地解决了评价模型连接权系数的确定问题。实证研究表明,该模型能够有效地评价软件项目绩效和识别项目风险因素,对软件组织制定风险规避策略、改善项目绩效水平、提供了决策支持信息。

基于模糊FNN-ELECTRE法的国有商业银行竞争力评价

随着金融业全方位开放,国有商业银行已成为国家经济命脉的核心,其竞争力强弱关系着国家经济的繁荣与衰退。本文基于模糊FNN-ELECTRE方法建立国有商业银行竞争力评价模型,以因素神经网络理论(FNN)与ELECTRE融合方法为基础,以现有商业银行竞争力评价指标为着眼,把国有商业银行竞争力的评价体系从现实竞争力和潜在竞争力两个因素抽取为一级指标,以规模、质量、业务结构、效率、成长性五个因素设为二级指标。从实证的角度对银行A、银行B、银行C、银行D、银行E五大国有银行进行分析验证,对其属性值进行和谐性与非和谐性检验得出,银行B竞争能力最强,银行E竞争能力最弱,五大国有银行均有改进空间。

基于FNN的船舶电站柴油机转速前馈补偿控制研究

为了提高船舶电站柴油机动态和稳态性能,分析了电站柴油机控制方法的特点,采用了模糊神经网络(FNN)来实现负载扰动前馈补偿,建立了基于FNN的前馈补偿控制方法.在MAT-LAB7.0及Simulink4.1环境下,对电站柴油机的转速控制进行了仿真研究.结果表明,该方法提高了电站柴油机的动态和稳态性能.

基于FNN的环境库兹尼茨曲线预测分析

运用模糊神经网络(FNN)理论,通过建立环境和经济发展协调度预测模型,对库兹尼茨曲线进行了定量研究,从而为区域经济决策提供依据.以成都市为例,对其环境与经济发展的协调度进行了预测.根据预测结果对成都市经济发展与环境的关系进行的分析表明,其环境库兹尼茨曲线的峰值特征不明显,表明它的环境质量和经济发展的关系趋于协调.

基于改进FNN的危险化学品运输事故智能预测

为提高危险化学品运输事故预测水平,提出一种改进的模糊神经网络(FNN)模型。实现对危险化学品运输事故起数的智能预测。首先分析危险化学品运输的危险源因素集,确定危险源因素集包含实值型和经验型2类数据。然后设计一种数据融合模型,该模型通过模糊综合评价来精简FNN结构,在此基础上给出改进的危险化学品运输事故的智能预测算法。最后给出改进的危险化学品运输事故的智能预测算法,并以我国2005—2010年期间每个月发生的危险化学品运输事故起数为数据基础进行计算。结果表明,改进模型的预测精度和各种误差均明显好于普通预测模型,预测结果能够反映危险化学品运输事故的实际情况。

EFNN——一种增强型模糊神经网络

提出了一种较为广义的增强型模糊神经网络 ,以达到更高的非线性系统逼近能力 .该网络模糊规则的结论以函数形式给出 ,从而决定了网络的结构由两个子网络组成 ,即特征网络和功能网络 .网络采用梯度算法来修正网络的参数 .仿真表明 :该网络具有较强的非线性逼近能力和较快的学习速度 .

基于粗糙集高速公路混沌T-S FNN控制仿真

研究基于粗糙集理论的高速公路混沌系统模糊神经网络入口匝道控制方法。针对高速公路车流量不确定性特点,提出了通过数据挖掘技术建立交通流入口匝道智能混沌控制器知识库的思想;设计了以密度、上游流量和最大李亚普诺夫指数作为输入,红灯时间作为输出的T-S模糊神经网络混沌控制器;采用粗糙集理论建立混沌控制器知识库,确定模糊神经网络控制器结构并提取模糊规则;采用模糊神经网络方法对控制器参数进行优化。仿真结果表明:采用该方法设计的智能混沌控制器,可实现保持高速公路有序运动、避免交通堵塞、提高交通通行能力的目的,是提高高速公路管理控制水平的有效方法。

基于ICA_FNN的软传感器建模过程原始特征选择

针对软传感器建模过程中辅助变量通常是多因素的混杂信号,在原始特征空间很难进行原始特征约简的问题,提出一种结合独立成分分析(ICA)和虚假最近邻点法(FNN)的原始特征选择法。利用独立成分分析法(ICA)将原始特征空间的混杂信号映射到新的独立特征子空间;然后再利用FNN计算每个原始特征剔除前后在独立特征子空间里的相似性测度,进而判断它对主导变量的影响能力,由此选择出原始特征。仿真结果表明,该方法具有优秀的原始特征选择能力。因此,该研究为选择出软传感器模型的原始特征提供了新方法。

基于QPSO-FNN的混沌时间序列预测

提出一种太阳黑子月均数混沌时序的模糊神经网络预测方法。该方法根据时间序列的延迟因子和饱和嵌入维数重构相空间,利用Lyapunov指数法判别时序系统的混沌特性,采用混合pi-sigma模糊神经推理方法拟合混沌吸引子特性。其中混合pi-sig-ma模糊神经网络以高斯基函数作为模糊子集的隶属度函数,在线动态调整隶属度函数和结论参数,并采用量子粒子群算法(QPSO)优化网络初始参数,提高预测准确度。该模型具有物理意义清晰、预测精度高以及预测结果确定等优点,仿真实验结果证明了该方法的有效性。

高斯激活函数特征值分解修剪技术的D-FNN算法研究

提出了一种D-FNN的新算法。其算法的最主要特点是:D-FNN选择高斯函数作为网络的激活函数和模糊系统的隶属函数,该算法不仅具有强大的全局映射泛化能力,而且在细化局部方面也有效;使用特征值分解修剪技术使得网络结构不会持续增长,可获得更为紧凑的D-FNN结构,避免了过拟合现象。最后通过对Her-mite多项式逼近能力来验证所提方案的有效性。仿真结果表明使用特征值分解修剪技术和高斯激活函数的D-FNN具有良好的性能。

基于GD-FNN的金融股指预测模型

针对股票市场内部结构复杂性和外部因素多变性,构建一种基于椭圆基函数且能够动态调整网络结构的广义动态模糊神经网络模型对金融股指进行预测。以上证指数为例,在价格和成交量的基础上,将与股票市场密切相关的宏观经济指标引入模型预测指标体系。通过滑动时间窗对数据集进行处理,提高了模型预测准确性并降低了运算时间。与其他神经网络模型预测效果进行比较,结果表明提出的模型具有较好的预测效果。

基于FNN解耦纸张定量水分控制策略的研究与应用

针对纸张抄造过程中纸张定量与水分之间存在强耦合的问题,提出一种模糊神经网络(Fuzzy Neural Network,FNN)的解耦控制器,首先利用模糊控制对控制系统进行耦合补偿,然后利用神经网络的自学习、自调整能力不断在控制过程中优化模糊控制规则及解耦补偿参数,成功地将纸张抄造过程的多变量系统转变为单变量系统,实现纸张定量、水分之间的解耦。仿真结果表明,采用FNN解耦控制器具有较好的动态响应和较强的鲁棒性。将该策略应用于国内某造纸厂的纸板机控制系统,纸张定量控制精度为±3.9 g/m^2左右,水分控制精度为±1.0%左右,满足该纸机定量水分高精度控制要求。

基于PSO-FNN逆的青霉素发酵软测量方法

青霉素发酵过程是一个严重非线性、时变、复杂的动态过程,发酵过程中一些关键参数(如菌体质量浓度ρX、基质质量浓度ρS和产物质量浓度(ρP)难以通过常规仪表在线测量,这些参数的获取非常耗时和困难。提出一种基于粒子群模糊神经网络逆(PSO-FNN逆)的软测量方法。首先给出青霉素发酵过程数学模型,然后根据逆系统理论证明其可逆性,在此基础上构建基于PSO-FNN逆的青霉素发酵软测量模型,最后通过仿真验证该方法性能。仿真结果表明:PSO-FNN逆的青霉素发酵软测量方法能够结合基于发酵机制和纯数据驱动2种软测量方法的优点,对不直接可测的关键参数实现在线软测量,较PSO-BPNN逆和PSO-BPNN软测量方法具有更高的预测精度和更强的预测能力。