基于三相连接的进化模糊神经网络及应用

介绍了一种新型的进化模糊神经网络,规则节点层融入了三相电路的连接方式,用于在线的监督学习或者无人监督学习。使用进化聚类方法,模糊规则在系统执行过程中进行创建和更新,并且采用遗传算法即时优化进化聚类的结果,通过T-S模型模糊推理系统计算输出。

基于进化模糊神经网络的频率选择表面设计方法

频率选择表面是一种二维周期阵列结构,能够有效控制电磁波的传输和反射。为了解决传统设计方法参数选择的盲目性和有效性缺陷,提出一种基于进化模糊神经网络算法的设计方法。该方法具有开放的结构,可以在线自适应并不断进化,克服普通神经网络中模型结构和参数难以设置的缺点,同时系统可以进行模糊规则插入和规则提取等。仿真结果表明,该方法具有更高的准确度,能有效地解决频率选择表面设计工作中的一些相关问题。

模糊进化神经网络理论与技术框架

分析目前进化算法、神经网络和模糊逻辑等理论技术及应用研究存在的问题 ,以及目前这些智能理论融合技术和神经网络自动设计研究现状 ,研究了现有智能理论技术相互之间包含的智能行为及属性 ,提出了模糊进化神经网络理论。其中 ,给出基本概念、研究目的、内容和框架体系 ,详细描述了模糊进化计算、模糊进化神经网络和进化模糊系统从模型初始化、参数自适应到网络自动设计、模型评价等核心技术及其解决思路和实现算法。对于模糊进化计算 ,提出了其控制参数模糊初选 ,模糊自适应进化 ,优化算法及其结果的模糊评价等方法 ;对于模糊进化神经网络 ,提出了其全自动设计 ,控制参数模糊初选 ,模糊自适应进化以及网络模型的模糊评价与选择等方法 ;对于进化模糊系统 。

空间点目标识别的模糊神经网络应用研究

首先对空间目标辐射特性进行了研究,指出了用空间目标在3个不同波段的辐射通量作为特征向量进行目标识别。然后研究了进化模糊神经网络(EFuNN)和动态进化神经模糊推理系统(DENFIS),最后用EFuNN和DENFIS进行了仿真实验,并且与BP神经网络、遗传算法以及遗传-神经算法进行了比较。仿真结果表明EFuNN尤其是DENFIS具有较好的学习能力和泛化能力,较大地提高了目标识别率,能够较好地进行空间点目标的识别。

基于进化式模糊神经网络的时间序列预测系统

文章介绍了一种基于进化式模糊神经网络时间预测系统,它是一种快速自适应的局部学习模型;进化式模糊神经网络是一个特殊类型的神经网络,它能通过进化其结构和参数来容纳新的数据。文章重点介绍了网络结构、学习方法及创建、修剪、聚合规则节点的算法;实验结果表明:模糊隶属函数的个数,规则的修剪和聚合等训练参数,与网络的行为和预测结果有很重要的关系。