A fuzzy neural network evolved by particle swarm optimization

A cooperative system of a fuzzy logic model and a fuzzy neural network(CSFLMFNN)is proposed,in which a fuzzy logic model is acquired from domain experts and a fuzzy neural network is generated and prewired according to the model.Then PSO-CSFLMFNN is constructed by introducing particle swarm optimization(PSO)into the cooperative system instead of the commonly used evolutionary algorithms to evolve the prewired fuzzy neural network.The evolutionary fuzzy neural network implements accuracy fuzzy inference without rule matching.PSO-CSFLMFNN is applied to the intelligent fault diagnosis for a petrochemical engineering equipment,in which the cooperative system is proved to be effective.It is shown by the applied results that the performance of the evolutionary fuzzy neural network outperforms remarkably that of the one evolved by genetic algorithm in the convergence rate and the generalization precision.

空间点目标识别的模糊神经网络应用研究

首先对空间目标辐射特性进行了研究,指出了用空间目标在3个不同波段的辐射通量作为特征向量进行目标识别。然后研究了进化模糊神经网络(EFuNN)和动态进化神经模糊推理系统(DENFIS),最后用EFuNN和DENFIS进行了仿真实验,并且与BP神经网络、遗传算法以及遗传-神经算法进行了比较。仿真结果表明EFuNN尤其是DENFIS具有较好的学习能力和泛化能力,较大地提高了目标识别率,能够较好地进行空间点目标的识别。

模糊数据流的进化粒度神经网络分类算法

模糊数据流的分类问题大多从模糊数据流中提取典型的特征来进行分类,没有考虑到概念漂移及非平衡问题。基于此,从模糊粒度神经元入手,构建了进化粒度神经网络的多层次拓扑结构。采用了模糊神经元的信息聚集规则,提出了进化粒度神经网络的模糊编码方法与快速进化原理。运用梯形隶属函数对进化粒度神经元的聚集和模糊推理功能进行递归,通过关联函数和核函数来评估奇异逼近与粒度的近似结果,并以进化迭代和半监督分类方法解决了模糊数据流中的概念漂移及非平衡问题,从而实现了对模糊数据流的有效分类,仿真结果也证明了该方法的有效性。

基于进化式模糊神经网络的时间序列预测系统

文章介绍了一种基于进化式模糊神经网络时间预测系统,它是一种快速自适应的局部学习模型;进化式模糊神经网络是一个特殊类型的神经网络,它能通过进化其结构和参数来容纳新的数据。文章重点介绍了网络结构、学习方法及创建、修剪、聚合规则节点的算法;实验结果表明:模糊隶属函数的个数,规则的修剪和聚合等训练参数,与网络的行为和预测结果有很重要的关系。

基于三相连接的进化模糊神经网络及应用

介绍了一种新型的进化模糊神经网络,规则节点层融入了三相电路的连接方式,用于在线的监督学习或者无人监督学习。使用进化聚类方法,模糊规则在系统执行过程中进行创建和更新,并且采用遗传算法即时优化进化聚类的结果,通过T-S模型模糊推理系统计算输出。

基于进化模糊神经网络的频率选择表面设计方法

频率选择表面是一种二维周期阵列结构,能够有效控制电磁波的传输和反射。为了解决传统设计方法参数选择的盲目性和有效性缺陷,提出一种基于进化模糊神经网络算法的设计方法。该方法具有开放的结构,可以在线自适应并不断进化,克服普通神经网络中模型结构和参数难以设置的缺点,同时系统可以进行模糊规则插入和规则提取等。仿真结果表明,该方法具有更高的准确度,能有效地解决频率选择表面设计工作中的一些相关问题。