基于多项式系的类模糊神经网络与非线性系统的控制

提出一种新的神经网络枛类模糊神经网络,并以基于多项式系的类模糊神经网络为例作了 讨论。该网络具有隐层少,运算简单和函数逼近能力强的特点。就一类非线性系统的在线控制,给出了类模糊神经网络控制的选择记忆算法,并证明了这种算法的收敛性,使一类非线性系统的在线控制问题得以初步解决。

类模糊神经网络与非线性系统的在线控制

以实现非线性动态系统的在线控制为目的 ,提出了一种具有隐层数少、运算简便和逼近能力强等优点的神经网络———类模糊神经网络 ,并就非线性动态系统的在线控制给出了基于类模糊神经网络控制的选择记忆算法 。

基于减聚类模糊神经网络的企业创新人才全面孵化管理评价研究

为提升创新人才全面孵化管理,促进企业可持续发展,对企业创新人才内涵进行分类并分析了全面孵化管理的内涵,构建了企业创新人才全面孵化管理概念模型,设计了基于减聚类模糊神经网络(SC-FNN)的企业创新人才全面孵化管理(TIM)评价体系,可为企业创新人才的全面孵化管理提供理论依据与决策借鉴。

基于模糊聚类神经网络的语音识别方法

提出了一种基于模糊神经网络的语音识别方法.该方法以模糊系统模型为基础,利用改进的模糊聚类辨识算法,构成一种新型的模糊聚类神经网络(FCNN),并将其作为概率密度函数的估计器,对每个状态的输出进行预测.它不仅能有效地在语音识别中引入帧间相关信息,而且能克服状态输出概率密度函数为混合高斯分布的束缚.通过对非特定人汉语孤立词和连续音节的语音识别实验,证实了该方法的有效性.

基于模糊聚类神经网络的煤炭资源分类研究

采用模糊聚类神经网络方法建立了煤炭资源分类模型 ,通过自适应算法与误差逆传播算法相结合 ,解决了以往神经网络不能处理模糊问题的缺陷 ,从而更适应现实评价条件的需要。

基于模糊类神经网络的双轴伺服电机运动控制

为了消除双轴线性伺服电机同步运动的相对速度误差,提出模糊类神经网络控制器,以取代传统的比例-积分-微分交叉耦合控制器。首先对双轴线性伺服电机系统进行建模,其次采用2个模糊类神经网络速度控制器提供需要的控制动作,以保持双轴线性伺服电机同步运动且追随速度命令。仿真结果证明,该控制方法在无载和有载时分别在0.4 s和0.5 s后两电机速度相对误差几乎为零,可适应的速度范围宽且对负载干扰具有高鲁棒性。

NFCNNC：一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC，并将其应用到文本聚类中。NFCNNC将模糊中心聚类（FCC）算法得到的模糊聚类中心向量作为神经网络的权值，通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值，隶属度次大的神经元以较小的学习率调整权值，其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值（即权值）和神经元的隶属度，当网络稳定时，即可确定聚类数。与传统模糊神经网络模型相比，本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点，同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证，本算法取得了良好的效果。

一种新的模糊聚类神经网络及其在语音信号系统辨识中的应用

主要解决语音信号模型的系统辨识问题。针对过去的模糊聚类算法进行系统辨识时逼近性能不理想的问题,提出了一种新的模糊聚类神经网络(FCNN)。该方法以模糊系统模型为基础,将每个状态看作一个模糊系统,用连续的若干序列作为系统的输入,利用改进的模糊聚类辨识算法构成一种新型的模糊聚类神经网络,对系统的输出进行预测。通过语音信号系统辨识的实验,验证了本网络的有效性。

T形接头机器人CO2焊接过程实时监控

针对T形接头的机器人CO2焊接,建立了焊接过程的实时监控系统,对电弧传感器采集的焊接电参数信息实施在线处理与特征提取。构建焊接电流瞬时值标准差峰度和变异系数的三维特征矢量,描述正常焊接过程与受到干扰的焊接过程之间的区别。将三维特征矢量作为模糊Kohonen聚类神经网络系统的输入,对焊接过程进行识别,为实时监控机器人CO2焊接过程奠定了基础。

基于SCFNN之PAM非线性信道均衡器成效研究

自组织型模糊类神经网络(SCFNN)可依据一定的法则自我构建神经网络的组织结构,从而适用于当前控制对象;多层神经元是传统的类神经网络,广泛应用于各个领域;倒传递学习法与最陡坡降法相结合,可使以上两种类神经网络进行有效的融合;目前,信道均衡器上的系统架构种类非常多,各种类神经网络应用于信道均衡器也颇为普遍;在研究SCFNN的基础上,将其应用于通道均衡器确实可行,效果良好;比较了SCFNN与MLP在通道均衡器的成效;仿真表明,在相同通道环境下,SCFNN的训练收敛速度、位错误率与系统敏感度优于MLP,完成结构学习后SCFNN的结构也颇为精简。

植基部落格之资料探勘模式以探索顾客需求

由于部落格(Blogs)的普及,导致愈来愈多的企业希望能从大量的使用者文章中撷取出有用的信息,从中了解消费者需求及市场导向,以帮助企业改善商品及服务质量,抑或评估企业本身或同业竞争者的优劣势。本研究针对部落格中的产品使用心得,提出一套FAIR模块,希望藉由该模块得以达到在短时间内有效地分析产品评价,以利于企业或消费者在掌握商品重点特色及整体评价时,能避免阅读大量文章的时间耗费并无从理出头绪的情形。FAIR模块为模糊自适应共振理论(Fuzzy ART)结合隐含语意索引(LSI)的特性,将文章集予以分群并从中撷取出代表性关键词,以达到信息检索的目的,最终再通过关联法则(AR)提升关键词的解释性。通过FAIR模块所撷取出来的消费者心声,我们更进一步地应用于质量机能展开,将顾客需求转化为技术需求,以分别了解产品本身或同业之间的竞争力,使企业充分掌握顾客需求,并提升产品设计之适用性。最后,我们以美容保养品之部落格文章作为实验对象,以说明并验证所提出的FAIR模块之效力。