基于Lasso函数的分层混合模糊-神经网络及其在遥感影像分类中的应用

本文提出一种新的分层混合模糊-神经网络(HHFNN)算法.在模糊系统中使用Takagi-Sugeno模型和三角波隶属函数.同时,为降低离散输入变量中可能存在的强交互作用,采用了系数收缩机制中的Lasso函数.最后,以福建的漳平洛阳—安溪潘田地区LANDSAT ETM+遥感影像数据地物分类为例,应用本文的改进算法与其他神经网络算法进行分析比较,得到了较高的分类精度,验证了采用基于Lasso函数的T-S型分层混合模糊-神经网络的可行性和有效性,可作为一种新的遥感影像地物分类方法.

基于输入扰动的分层混合模糊-神经网络敏感性分析

分层混合模糊-神经网络(HHFNN)能较好地处理离散和连续变量并存的高维数据,为了提高其解释能力和在数据挖掘应用中的说服力。本文针对输入中离散和连续数据并存的特点,提出一种基于输入扰动的分层混合模糊-神经网络敏感性分析方法,首先优化HHFNN模型,然后依次给测试数据集的各个输入变量添加高斯白噪声,计算模型加入噪声前后的均方误差(MSE)。MSE差值越大说明相应的输入对模型输出影响越大,其重要性程度越高。为了验证本文提出方法的有效性,选用人工模拟数据集和UCI-Pyrimidines数据集进行实验,结果表明本文所提方法能够筛选出模型重要性程度高的属性,有效地约简了模型。

Takagi-Sugeno型分层混合模糊-神经网络训练算法研究

为寻求适合离散和连续变量并存数据特点的最佳训练算法,本文对基于三角波,梯形,Gaussian隶属函数的Takagi-Sugeno型分层混合模糊-神经网络训练算法进行综合比较研究,使用梯度下降法详细推导了各个参数的迭代规则,并给出了完整的训练算法和详细的参数调整过程.以Pyrimidines和Heart-UCI为数据分别进行函数逼近与数据分类实验,并与经典的BP算法比较.实验结果表明Takagi-Sugeno型分层混合模糊-神经网络在高维且离散与连续变量混合的函数逼近和分类上比BP神经网络更具优势,而基于Gaussian隶属函数的训练算法函数逼近精度比基于三角波和梯形隶属函数的训练算法精度更高.

模糊神经网络的无线通信高低频混合组网性能评估方法

常规的无线通信高低频混合组网性能评估方法主要使用ROBOT VU模拟发送评估指令,易受组网连接告警间隔影响,导致组网MI(Measurement Index)评估指标偏低,因此,需要基于模糊神经网络设计一种全新的无线通信高低频混合组网性能评估方法。即根据混合组网的应答特点设计了无线通信高低频混合组网性能评估仿真程序,利用模糊神经网络构建了混合组网性能评估模型,生成了无线通信高低频混合组网性能评估指标体系,从而实现了无线通信高低频混合组网性能评估。实验结果表明,设计的无线通信混合组网模糊神经网络性能评估方法的组网MI评估指标较高,证明设计的混合组网性能评估方法的评估效果较好,具有可靠性,有一定的应用价值,为优化提高无线通信组网的运行有效性作出了一定的贡献。

论文精选:人工神经网络在果蔬干燥领域的应用进展

研究概况果蔬干燥是农产品加工中的重要环节,构建精确的干燥动力学模型是干燥领域的重点方向。针对神经网络在干燥过程中的各种场景分类为四个部分:含水率预测、品质检测、工艺优化和控制系统方面,总结各部分的应用类型及发展创新;对比传统干燥模型和人工神经网络模型;介绍混合神经网络的应用场景。发现人工神经网络比传统干燥模型更精确,且混合神经网络结合专家系统、模糊逻辑等理论,这样的模型更适合果蔬干燥且在未来有更广阔的发展空间,以期这些探讨和分析对果蔬干燥领域具有参考意义。

模糊惯性中立型Cohen-Grossberg神经网络有限时间同步

研究了具有混合时滞的模糊惯性中立型Cohen-Grossberg神经网络有限时间同步问题。通过设计Lyapunov函数和自适应控制器,拟采用非降阶法和最大值法来实现模糊惯性中立型Cohen-Grossberg神经网络有限时间同步。对于惯性项和有限时间同步的讨论不同于现有文献中使用的降阶法和有限时间稳定性理论。最后,通过数值示例验证了结果的正确性。

神经网络工况识别的混合动力电动汽车模糊控制策略

采用模糊控制可以改进混合动力电动汽车(HEV)的燃油经济性和排放性,但是对模糊控制器进行优化时通常只针对某一典型工况.不同的城市的行驶工况有一定差别,影响了模糊控制改善混合动力电动汽车性能的效果.研究中以广州和上海市主干道行驶工况为例,首先建立了一个模糊控制策略,并采用遗传算法,以汽车燃油经济性和排放性为优化目标,分别针对广州和上海主干道行驶工况对模糊控制器中隶属度函数进行优化.然后建立了一个基于模糊神经网络的行驶工况识别方法,通过识别广州和上海的主干道行驶工况,对控制策略中模糊控制器的隶属度参数进行相应调整,结果证明采用模糊神经网络识别行驶工况的HEV模糊控制策略可以进一步提高汽车的燃油经济性和排放性能.

模糊神经网络的混合学习算法及其软测量建模

提出了一阶TSK模糊神经网络的混合学习算法,算法由三部分组成:基于模糊聚类的网络初始化;基于梯度下降的规则前件的学习算法;基于部分最小二乘的规则后件的学习算法。该混合算法可以根据训练样本的分布自动确定模糊神经网络的初始值,当输入变量个数多时不会出现模糊规则数爆炸现象,训练速度快,模型精度高。将混合学习算法应用到PTA工业过程中4-CBA含量的软测量建模中,取得了令人满意的效果。

混合模糊神经网络在短期负荷预测中的应用

为提高电力系统短期负荷预测精度,将模糊逻辑和神经网络的长处融合在一起,构建了混合模糊神经网络短期负荷预测模型,用于预测预报日的负荷。其中针对模糊神经元的权值更新问题,采用了一种新的权值更新算法——一步搜索寻优法,进一步减小了预测误差。实际算例证明了该模型的有效性。

基于灰色关联分析的分层模糊神经网络

为解决“模糊规则爆炸”问题,提出一种基于模糊神经网络从试验样本抽取模糊规则的方法。首先,根据灰色关联分析的结果,将输入变量进行两两组合建立分层模糊子系统。其次对每个模糊子系统设计分层参数、结构优化算法。在权值学习过程中,模糊进化规划与分层方法相结合,网络的各层权值独立优化,并且各层权值优化问题简化为二次型问题,降低了权值优化过程中的计算复杂性。最终能够实现整个模糊神经网络的分层优化,各层神经元单独训练且训练结果互不影响。与常规的前向进化神经网络方法相比较,该方法通过对神经元的部分解群体的进化,缩短了个体的编码长度,显著地减少了计算量。同时这种方法不但能够很大程度上简化适应值的计算,更重要的是能够降低适应值空间的复杂性,从而能够加速进化算法收敛到全局最优点。

模糊神经网络控制的混合小波神经网络盲均衡算法

针对传统恒模算法(CMA)收敛速度与均方误差之间的矛盾,提出了模糊神经网络控制的混合小波神经网络(FHWNN)盲均衡算法.该算法在小波神经网络输入层之前级联一个横向滤波器,将横向滤波器的节点输出分为实部和虚部两路经过小波神经网络后再合成为一路复数信号;利用模糊神经网络(FNN)设计的模糊规则控制小波函数的尺度因子和平移因子的迭代步长,以提高步长控制的精度;通过常数模代价函数分别获得横向滤波器和小波神经网络的权系数迭代公式.理论分析与仿真结果表明,该算法具有较快的收敛速度和较小的稳态误差,较好地克服了收敛速度与均方误差之间的矛盾.

混合动力汽车补偿模糊神经网络能量管理策略

以上海大众汽车公司某型号混合动力电动汽车(HEV)的设计要求为基础,提出了一种基于补偿模糊神经网络的能量控制策略,并采用动态调整步长的梯度下降法加快算法的收敛速度.分析了样本数据选取、输入、输出模糊分割和模糊规则提取对控制器性能的影响.利用ADVISOR2002仿真平台进行二次开发,完成了基于补偿模糊神经网络的控制策略、并联电力辅助控制策略和模糊控制策略的仿真比较.仿真结果表明,基于补偿模糊神经网络的控制器具有较强的自适应能力,可以较好提高混合动力汽车的燃油经济性和排放性.

瓦斯涌出量的混合pi-sigma模糊神经网络预测模型

提出了一种利用混合pi-sigma模糊神经推理方法建立瓦斯涌出量的预测模型。该模型采用高斯基函数作为模糊子集的隶属度函数,可在线动态调整隶属度函数和结论参数。与神经网络预测模型比较,该模型具有物理意义明确、原理清晰、收敛速度快、预测精度高等特点,在对某矿瓦斯涌出量数据的仿真结果表明,该方法预测准确度高、速度快,并且结果具有可重复性,证明该方法是有效的。为便于工程实际应用,在Matlab环境中开发了基于图形用户界面(GUI)的仿真应用界面,给出了使用方法和预测结果。实验同时表明,对所采用的数据,模型的训练精度设置为0.001时网络的泛化能力最好,网络训练精度和预测精度之间不具有正比关系。

基于模块化模糊子系统的分层模糊神经网络

提出一种基于模块化模糊子系统的分层模糊神经网络.该分层模糊神经网络基于高斯隶属函数,且功能上等价于一个TSK模糊系统.这种分层神经网络在保留了传统模糊神经网络很多优点的同时有效地抑制了“维数灾”问题,而且在模糊子系统中模糊规则的激活强度有所提高.仿真试验结果表明,该方法能获得更为简洁有效的模糊规则集.

改善模糊神经网络控制器性能的新方法-混合遗传算法

将遗传算法引入到模糊神经网络控制器的学习过程中，提出了一种综合遗传算法和梯度下降法优势的混合遗传算法。它一方面改善了梯度法的收敛性，使模糊系统对专家知识的依赖性大为降低，提高了系统的智能化水平；另一方面有效地提高了遗传算法的搜索效率，强化了模糊系统的学习能力。仿真结果证明了算法的有效性。

基于模糊神经网络风电混合储能系统优化控制

采用风电储能系统来平抑风电波动功率在当今是一个有效的措施,然而储能系统控制策略的好坏直接影响风电系统的技术性能和经济性能。根据超级电容器和蓄电池在功能上的互补性,将其应用在基于双馈电机的风电场中,风电场采用分布整流集中逆变拓扑控制结构,并对其设计模糊神经PID控制器,采用模糊神经网络算法对混合储能系统PID控制参数进行在线优化。基于Matlab/Simulink平台搭建控制系统仿真模型,并进行仿真分析,验证了混合储能系统能够提高储能装置的使用寿命。根据储能系统补偿功率和其荷电状态的波动范围,以及对风电波动功率的平滑程度,验证了该控制系统的有效性。

模糊理论与神经网络结合对模拟电路进行分层故障诊断

文中提出了用神经网络和基于模糊规则的神经网络联合对模拟电路进行分层故障诊断的方法。利用模糊规则将故障定位于某几个元件再用神经网络确定故障元件,针对某些数据对网络收敛不利的情况提出用神经网络进行数据的预处理。仿真结果说明这种神经网络模块化结构和分层测试方法不仅构造简单,便于进行模拟电路的自动测试,而且提高了模拟电路故障诊断的正确率。

模糊CMAC神经网络控制系统及混合学习算法

针对CMAC神经网络和模糊控制的特性,给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器,该控制器采用高斯函数作为模糊隶属函数,利用神经网络实现模糊推理并可对隶属函数进行实时调整,从而使其具有学习和自适应能力。讨论了这种控制器的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整,并推导了变形Elmam网络的系统辨识算法。对电厂锅炉主蒸汽温度控制的仿真结果表明了此控制器及其学习算法的可行性和有效性。

基于模糊进化规划和分层方法的神经网络设计方法

本文提出一种模糊进化规划 ,用于前向神经网络的设计 .该方法通过对神经元的部分解群体的进化 ,缩短了个体的编码长度 ,显著地减轻了计算量 ,同时这种方法不但能够在很大程度上简化适应值的计算 ,更重要的是能够降低适应值空间的复杂性 ,从而能够加速进化算法收敛到全局最优点 .仿真结果显示 ,本文提出的算法能够有效抑制进化规划算法初期收敛的发生 ,有效地提高多层前向神经网络收敛精度 。

基于混合模糊神经网络的入侵检测系统

结合神经网络与模糊系统相融合的3种形式,提出了基于"前层神经网络+后层模糊系统结构"的入侵检测系统模型。通过SQL server 2008软件进行数据预处理,采用一种基于主成分分析的降维方法进行数据降维,改进的LMBP算法对神经网络进行训练和判别,完成对网络入侵KDD CUP 99数据集的验证性实验。实验结果表明,系统检测效果良好,判别准确率高,为实现高效准确的入侵检测提供了一种有效的方法。