基于波形记忆和模糊极小—极大神经网络的变压器励磁涌流和内部短路的鉴别

传统的区分变压器励磁涌流和内部短路的各种方法存在原理性缺陷 ,不能满足现代超高压电力系统的要求 ,此文根据内部故障和单纯涌流这两种情况下波形的不同 ,提出了波形记忆的原理并采用了一种模糊神经网络模型——模糊极小—极大神经网络来对这两种波形进行记忆和鉴别。运用EMTP程序对变压器各种内部故障或涌流的情况进行较为全面的仿真以形成网络的训练样本 ,通过学习和测试 ,表明该网络所形成的新算法能够正确鉴别变压器各种运行工况下的励磁涌流和内部短路 ,所需的鉴别时间小于 2 0 m

化合物构效关系的模糊极小极大神经网络识别研究

应用模糊极小极大神经网络研究了化合物复杂结构和性能 (QSAR)之间的关系 ;用该法进行几组化合物致癌的识别 ,结果优于线性回归的方法。

化合物构效关系的模糊极小极大神经网络识别研究

应用模糊极小极大神经网络研究了化合物复杂结构和性能（QSAR）之间的关系。用该法进行几组化合物致癌的识别，结果优化于线性归的方法，对此作出一些分析。

化合物致癌模糊极小极大神经网络识别研究

将模糊数学的隶属度概念、模糊聚类的方法和模糊极小极大神经网络的方法相结合，构筑一算法，研究化合物复杂结构和性能（ＱＳＡＲ）之间的关系；用该法进行几组化合物致癌的识别，结果优于线性回归的方法，对此作出一些分析。

基于模糊极小极大神经网络的雷达一维像识别

雷达目标一维距离像是随雷达姿态角变化的 ,但由于目标姿态变化的连续性及目标散射点分布的连续性 ,其一维距离像是一个随视角变化而逐渐演变的过程 ,它们应随姿态角的连续变化在特征空间中形成一条特征轨迹线。本文在基于线性内插神经网络对雷达一维距离像识别的基础上 ,改进了线性内插时特征轨迹线的形成方法。提出了一种基于模糊极小极大神经网络分类器的雷达目标一维距离像目标识别方法 ,利用模糊极小极大神经网络中的超方匣的并集来形成雷达目标特征轨迹线。进行了三类飞机目标的 0～ 180°姿态角范围内一维距离像的分类实验研究 ,结果表明 。

一般模糊极小极大神经网络的改进研究

针对一般模糊极小极大神经网络在处理重叠超盒和包含超盒时,出现新的类而标识为未知类,进而无法达到聚类预期效果的问题,提出了通过超盒的收缩过程来加入新类或删除一个已存在类的一般模糊极小极大神经网络,它继承了一般模糊极小极大神经网络的优点,并且避免了一般模糊极小极大神经网络在分类时的随意性,弥补了一般模糊极小极大神经网络无法达到聚类预期效果的目的,以及提高了模式分类的准确性和高效性.最后,通过实例验证了方法实用有效.

基于多特征空间与神经网络的SAR图像识别方法

同一目标在不同方位角下的SAR图像有很大变化,这使得基于单视角图像进行SAR图像目标识别具有很大难度。针对这一问题,提出了一种基于多个独立分量分析特征空间及神经网络集成的SAR图像目标识别系统。通过独立分量分析构造若干个方位角的SAR图像特征空间,为每一特征空间各训练一个模糊极小极大神经网络用于分类,然后利用D-S证据理论集成各个神经网络的输出。仿真结果表明,与利用精确的方位角估计预处理选择最佳单一神经网络相比,该方法可以获得更高的识别精度,且不需要进行方位角估计预处理。

一种基于划分聚类和模糊神经网络的机器学习方法

将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合,提出了一种新的机器学习方法,实现了基于类比的案例推理学习模型。具体实现思想是,首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识,由所得结果建立一般模糊极小极大神经网络分类模型,然后用该模型实现新目标问题的案例相似性检索,最后针对目标问题结果案例完成案例学习。通过实例表明,该算法具有较好性能,并在基于案例推理的固体火箭发动机总体设计中成功应用,得到了论域覆盖面大的设计结果集。

无师General Fuzzy Min-Max人工神经网络

针对一般模糊极小极大(generalfuzzymin max,GFMM)神经网络不能够完全无师聚类和自适应在线学习的问题,提出了一种无师训练的一般模糊极小极大(generalfuzzymin max,GFMM)人工神经网络。它继承了GFMM网络的优点,可以输入n维模糊量,尤其是新增加了无师学习的功能,弥补了GFMM网络不能自适应在线学习新类的缺陷。实验测试结果与分析表明,该网络在自动目标识别的实际应用中具有广泛的适用性。

FMM神经网络结合CART的感应电动机故障诊断方法

针对感应电动机存在多种故障问题,提出一种融合模糊极小-极大(FMM)神经网络和分类回归树(CART)的电机故障诊断方法(FMM-CART),对转子断条、定子绕组和电压失衡三种常见电机故障进行诊断。通过采集电机三相的电流信号,并进行功率谱分析,提取特定谐波信号作为FMM-CART模型的输入特征。训练过的FMM神经网络根据输入特征计算置信因子,CART根据置信因子构建决策树,最终输出诊断结果。实验结果表明,FMM-CART能有效的诊断各种电机故障,且具有较少的检测时间和较低的网络复杂度。

基于模糊神经网络的母线充电保护研究

针对当前母线充电试验时继电保护中存在的一些问题,提出了一种智能型的母线充电保护新方法。在分析母线正常充电和故障元件充电的基础上,找到了正确快速地识别两种情况的特征量,结合模糊神经网络这一新型的人工智能技术,综合利用母线充电时的多种电气量分别提取形成网络的特征输入量,并采用Simpson模糊极小-极大神经网络来形成区分母线正常充电和故障元件充电的模糊模式识别器。利用EMTP程序仿真来获取不同系统参数和各种不同故障情况下模糊神经网络训练和测试所需要的大量样本,通过对模糊神经网络的训练,使网络具备了很强的故障识别能力和较强的泛化能力,结果表明,训练后的网络能快速准确地区分母线在各种运行工况下的正常充电和故障元件充电,从而验证了该方法的有效性。

一般模糊极大-极小神经网络的研究与应用

分析一般模糊极大-极小神经网络的基本原理,阐述模糊计算方法在分类中的准确性和高效性。将一般模糊极大-极小神经网络应用于企业资信评估中,实现模糊区间的输入,缩小企业评估指标定量化中的误差范围。资信评估结果表明,该算法能快速、有效地对企业进行分类,为资信评估提供了解决方案。

基于模糊神经网络的汽车牌照识别算法

汽车牌照识别系统中影响识别率的行汽车牌照识别,其识别率很难提高;即使是加上基于结构的拓扑特征,识别率在一定程度上有所提高,但也提高不多.本文采用基于模糊极小极大神经网络的识别算法进行汽车牌照识别,识别率有了很大程度的提 .高.

模糊极大极小神经网络新的并集学习算法

提出了模糊极大极小神经网络新的隶属函数及新的并集学习算法。算法不受形状因子的影响且与学习顺序无关,各模糊子集的等λ截集中不存在异类训练样本,学习后的隐层节点数较扩充-收缩算法更少,对训练集和检测集的正确识别率更高。

医院信息网络安全中的主动防御技术的研究

主动防御技术在医院信息网络安全中扮演着至关重要的角色,它不同于传统的被动防御,在网络安全攻击未出现或者没有造成重大事故的情况下,主动防御技术主动寻找信息网络系统的漏洞或者网络攻击.主动防御技术能够有效解决医院信息网络系统中的缺陷和隐患,有效地保障医院信息网络的安全.对医院信息网络系统而言,有必要剖析主动防御技术的基本性质和主要技术内容.文章结合医院信息网络安全的情况,总结了主动防御技术的特性与系统体系,提出了一种基于模糊最小极大神经网络和粒子群优化的入侵检测系统.利用预处理的数据集对系统进行了测试,证明了系统的有效性.

产品概念设计阶段的案例相似性检索技术研究

以提高产品设计结果的论域覆盖面和增加可行设计结果的多样性为目的,研究了产品概念设计阶段的基于案例推理的产品设计案例相似性检索技术。首先,对产品设计案例相似性检索进行了问题描述;然后指出了传统相似性检索方法的不足;进而提出一种新的基于划分聚类和一般模糊极小极大神经网络的相似案例检索方法,并建立检索模型;最后,通过基于案例推理的固体火箭发动机总体设计实例表明,与传统方法相比,新方法可有效提高相似结果案例集的论域覆盖面,增加设计结果的多样性,提高检索效率,进而提高了固体发动机总体设计质量。

基于知识重用的固体火箭发动机结构形式选择

以探索知识重用在固体火箭发动机设计中的应用为目的,引入知识工程及模糊数学的思想,将一般模糊极小极大神经网络用于完成固体发动机设计过程中结构形式选择,实现了固体发动机结构形式选择的自动化及量化描述。首先给出了基于知识重用的固体发动机结构形式选择模型描述;然后建立了固体发动机结构选项一般模糊极小极大神经网络;最后以具体型号总体设计为例,完成结构形式选择,得到了包含实际结果的多个可行方案。该方法提高了设计过程自动化水平,且可提供多个不同的结构选择可行方案供设计人员参考。