改进的模糊Min-Max神经网络与模糊系统建模

应用改进的广义模糊Min-Max神经网络进行样本分类,并以此分类结果确定模糊系统所需的模糊规则数,再运用TSK模糊系统实现函数建模,该方法的优势在于,改进的广义模糊Min-Max神经网络具有较好的自适应分类能力,可用来初步确定模糊规则数和规则空间的划分,有效避免了模糊建模时常见的规则数选取之随意性。实验结果证明,该方法实用有效。

模糊细胞神经网络的全局稳定性

本文研究了模糊细胞神经网络 (FCNN′s)的全局稳定性 ,获得了FCNN′s平衡点全局稳定的一些新的充分条件 ,这些条件与系统的参数有关 。

求解max-min模糊关系方程的一种数值方法

借助max-min神经网络的学习过程,为max-min模糊关系方程的求解提供一种新的数值方法。运用光滑函数逼近max-min网络的输入/输出关系,并用其导数代替max-min函数的导数;基于梯度下降法,构造出训练max-min神经网络的学习算法,为max-min模糊关系方程提供一种新的数值求解方法。数值实验验证了算法的有效性。

一种基于Max-Min方法的带模糊约束线性规划的解法

带模糊约束线性规划的关键是如何将其转化为经典的线性规划加以求解,文中基于Werners提出的Max-Min方法,通过对目标函数及约束条件的隶属函数进行加权,建立了一个新的(LP)模型,该方法从理论上证明了其解的模糊有效性,并用实例证明新模型下的解更有效.

自适应联邦滤波器及其在组合导航系统中的应用

针对现有的信息分配方法在滤波精度和自适应性方面存在不足的问题,设计了一种在模糊神经网络基础上改进的自适应联邦滤波器,利用模糊神经网络自适应地调整信息分配系数,从而有效抑制干扰对子滤波器工作状态的影响,使主滤波器能够充分、有效地利用子滤波器的信息。将这种自适应联邦滤波器应用到MINS/GPS组合导航系统设计中,并对系统进行了仿真。通过与基于常规联邦滤波器的组合系统的仿真结果比较可知,自适应联邦滤波器的组合系统在性能上有了显著的提高,且速度误差标准差控制在0.06m/s以内,位置误差标准差控制在3.3m以内,具有良好的导航精度。

Vague集上的快速CRI方法

CRI方法是模糊推理的重要方法之一,然而常用的CRI方法的时间和空间复杂度均为O(mn)。相对于Fuzzy集而言,Vague集所能表达的信息更加丰富,更接近实际。故首先把Fuzzy集上的CRI方法和max-min算子扩充到Vague集上,得到基于Vague集的CRI方法。为了降低CRI方法的时间复杂度,深入分析了max-min算子相关性质,最后得到一个快速的CRI方法,其时间复杂度和空间复杂度降为O(m+n)。最后用实例来说明该方法的高效性。