融合自组织映射与Wang-Mendel方法的模糊规则提取

为解决经典Wang-Mendel方法提取模糊规则时得到的规则数目较多的问题,该文提出一个融合自组织映射(SOM)网络和Wang-Mendel方法的规则提取方案。利用SOM对原始样本进行学习,再使用Wang-Mendel方法从SOM的原型向量中提取规则。因为SOM的原型向量学习得到了原始样本的模式分布规律,并且原型向量的数量远小于原始学习样本的数量,所以该方法降低了提取的规则数目及耗费时间。有关混沌时间序列预测的实验结果表明了该文方法的有效性。

基于聚类有效性神经网络的模糊规则提取方法

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用 .然而模糊控制规则的获取通常由专家根据经验给出 ,这就存在诸如规则不够客观、专家经验难以获取等问题 .作者给出一种基于聚类有效性神经网络的模糊规则提取的新方法 .该方法采取对训练样本预划分子集聚类 ,模糊语言量的自动确定 ,模糊隶属度函数自适应调整等策略 ,克服了以往规则提取法在训练样本不充分时 ,规则提取不足及规则数目难以确定等缺点 ,并结合神经网络技术使所提取的控制规则的质量得到提高 ,改善了模糊控制器的性能 .最后 。

一种模糊规则提取方法的研究

提出了一种基于改进的模糊 C 均值聚类的模糊规则提取方法。然后基于所提取的模糊规则给出了一种分类算法,并利用 IRIS 数据对此分类算法进行了仿真测试。结果表明,该算法在训练祥本较少的情况下,仍能得到很好的分类效果,由此说明所提出的模糊规则生成方法有效。

一种新的模糊规则提取方法

提出了一种新的模糊规则提取方法,该方法先采用基于山峰函数的减法聚类法自适应地确定初始的聚类中心,然后由此构造动态自组织神经网络进行学习,在学习的过程中可根据情况适当地合并或分裂神经元,并重构神经网络继续学习,最后按聚类中心确定模糊子集数目和隶属函数并形成模糊规则集。实验结果表明,通过网络结构和神经元的动态自适应变化能够获取样本集中的模糊信息,形成直观的模糊规则。

基于时间序列的模糊聚类与规则提取信用评价模型

提出基于多维时间序列模糊聚类与模糊规则提取技术相结合的模糊分类系统,将其应用于信用评价研究.该方法利用投影寻踪技术对多维时间序列数据进行降维处理并进行模糊分类;根据分类结果和最佳投影值提取模糊规则,采用梯形分布法生成三个模糊隶属函数;最后根据计算模糊贴近度确定样本的信用级别.实例证明该方法具有良好的评价效果和实用价值.

基于克隆选择的模糊分类规则提取算法

分类是许多研究领域的关键问题,模糊规则的提取质量对分类器的性能又有着极大影响.所提取的规则不仅在分类能力上要达到最优,同时在规则数量上也不能太多,否则会影响规则搜索和匹配的速度.结合人工免疫的克隆选择原理,采用克隆选择算法,提取通过多精度模糊分割产生的大量模糊if-then规则中的少数精华规则,从而建立了模糊分类所需要的有效规则集合,同时还对优化目标函数进行了改进.经仿真实验证明,该方法所提取的模糊规则具有分类准确率高,规则数目较少等特点.

模糊决策信息系统上精度约简与规则提取

基于模糊决策信息系统,借助于模糊相容关系,寻找各属性的相容类,将模糊信息系统转化为模糊目标信息系统,再通过区分矩阵对基于模糊相容类的粗糙模糊集的上、下近似分别进行精度约简,最后提取规则并对规则进行优化。

环境试验室热工系统规则自提取模糊控制仿真

以某环境试验室室内温度、送风系统和热水系统多回路在线控制为背景,针对其存在的多参数、大滞后、非线性等控制难题,讨论了各个回路热工特性传递函数建立和自组织模糊控制仿真问题.首先,提出了规则自提取模糊控制(self-abstracting rules fuzzy control,SARFC)方法.然后,根据各被控回路的动态热工特性和参数辨识要求,试验研究了各回路的动态响应特性,完成了各回路传递函数模型参数的辨识,得到了各回路的传递函数模型.最后,采用SARFC方法,仿真研究了基于送风系统调节和热水系统调节的环境试验室温度模糊控制仿真,得到了较好的控制仿真效果,为进一步试验研究环境试验室热工系统模糊控制提供了理论基础.

基于RBF网络的参数自学习模糊控制的研究

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用。然而模糊控制规则的获得通常由专家经验给出,这就存在诸如控制规则不够客观、专家经验难以获得等问题。在模糊控制系统中,模糊规则库的构建是至关重要的,因此研究模糊规则的自动生成有着重要的理论和应用价值。本文首先以模糊控制理论和RBF神经网络理论为基础,提出了一种能够有效表达模糊系统可解释性的RBF网络结构;然后详细讨论在此网络结构下提取模糊规则的学习算法;最后依据上述方法进行仿真实验,实验结果表明,这种根据测量数据自动提取模糊规则的方法是有效的。

腿轮式机器人的自适应模糊控制

提出了一种基于模糊神经网络(FNN)的腿轮式机器人轨迹跟踪控制方法。在利用常规PD控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。仿真计算证明该方法具有良好的轨迹跟踪精度和抗干扰能力。

基于模糊聚类和自适应神经模糊推理的MPPT研究

针对光伏系统最大功率点跟踪过程中电导增量法和模糊控制法存在的不足,结合模糊聚类和自适应神经模糊推理系统提出一种新型MPPT算法,对实测数据模糊聚类后,提取模糊控制规则,确定隶属函数,通过神经网络训练生成模糊推理系统。仿真结果表明,该算法能够实现对最大功率点的快速跟踪,对环境变化的抗干扰能力强,控制效果良好,具有一定的应用价值。

基于BFCM-iWM模糊规则自提取的水泥分解炉温度控制

针对水泥分解炉温度难以控制、模型建立困难且通用性差的问题,提出一种基于信任度模糊C聚类和改进查表法(BFCM-iWM)模糊规则自提取的温度控制方法.首先,采用信任度模糊C聚类方法(BFCM)从分解炉运行样本数据中提取样本的信任度;然后,利用改进查表法(iWM)提取模糊控制规则,减小噪声和坏点数据对规则提取的影响,以温度偏差和偏差变化率为输入量、喂煤增量为输出量构造控制器实现对温度的控制.实验结果表明,提取到的控制规则鲁棒性好、准确性高、分解炉温度控制效果良好.

基于RBF网络的模糊if-then规则快速提取

提出了一种基于径向基函数神经网络 ( RBF网络 )的模糊规则提取的新方法。该方法快速、有效且提取的规则清晰。得到的模糊神经网络可用于非线性系统的逼近。

腿轮式机器人自适应控制的研究

给出使机器人处于最优运动状态的运动参数。采用模糊神经网络结合常规 PD控制器的方法来进行机器人的运动控制 ,提出了提取模糊规则的方法。实验结果表明该控制算法结构简单 ,具有实时性好、精度高、鲁棒性强等特点。

FAM神经网络用于药物反相高效液相色谱的流动相强度推荐

目的 构造基于FAM(fuzzyassociatememorizer)神经网络的药物液相色谱流动相推荐系统。方法 将径向基函数神经网络引入色谱专家系统 ,获取反映药物分子结构参数、容量因子与反相色谱流动相溶剂强度之间关系的模糊规则 ,进而使用这些模糊规则构造FAM网络可用于药物反相色谱流动相强度推荐。结果 经对一些单组分药物和复方药物模拟样品对专家系统推荐的反相色谱流动相初始条件进行了实验验证 ,结果令人满意。结论 该流动相强度推荐系统是可行的。

提取模糊控制规则的方法

在模糊PID控制过程中,模糊控制规则的提取是关键和难点。目前,多数模糊控制规则是在先验知识和实践经验基础上推导出的,具有不完整和主观性强等缺点,因此,设计一种提取模糊控制规则的方法是非常有意义的。

一种预测混沌时间序列的模糊神经网络方法

给出了一种预测混沌时间序列的模糊神经网络及其学习方法,给出的方法能直接从数据中提取模糊规则,经过优化得到最佳模糊规则库,并利用神经网络的自学习功能修改隶属函数的参数和网络的权值,减少了规则的匹配过程,加快了推理速度,增强了网络的自适应能力.使用该神经网络及其学习方法对Lorenz混沌时间序列进行了预测仿真研究,试验结果表明给出的预测工具和方法是有效的.

模糊人工神经网络方法在QSAR研究中的应用

使用模糊神经网络提取易于理解的“IF-THEN”模糊规则,并用于亚苄丙二腈类衍生物活性的预测,结果较好。