带有变时滞的高阶模糊细胞神经网络的指数稳定性(英文)

研究了带有变时滞的高阶模糊细胞神经网络(HFCNNs)的全局指数稳定性.通过引入非奇异M-矩阵和使用Lyapunov泛函方法,得到了带有常时滞和变时滞的高阶模糊细胞神经网络全局指数稳定性的充分条件.

基于改进模糊神经网络的细胞活性预测

针对细胞活性的预测问题,提出了一种利用自适应差分进化算法优化的模糊神经网络(ADE-FNN)预测模型。首先,通过模糊化处理细胞培养过程中的多种影响因素(如培养基成分、温度、pH值等),将这些因素作为模糊神经网络的输入。然后,利用已有的细胞活性数据对模型进行训练,优化网络参数。经过多次迭代和调整,模型逐渐学习到输入与输出之间的复杂映射关系。最后,利用细胞活性仿真实验验证所提ADE-FNN算法的性能。结果表明,基于模糊神经网络的细胞活性预测模型具有较高的预测精度和泛化能力。与传统的统计方法相比,该模型能够更好地处理数据中的不确定性和噪声,从而提供更准确的预测结果。此外,该模型还具有较好的可解释性,有助于深入理解细胞活性的影响因素及其作用机制。

基于BP神经网络和高阶模糊认知图的股票价格预测

由于金融市场具有的非线性、不确定性、复杂性等特点,其预测问题受到了学术界和相关从业人员的普遍关注。基于模糊认知图的方法广泛应用于金融市场预测,但大部分模型忽略了预测误差对模型精度的影响,针对这一现状本文提出了一种两阶段的预测模型,即基于BP神经网络(BPNN)和高阶模糊认知图(HFCMs)的股票价格预测模型,充分考虑了预测误差对预测精度的影响。模型第一阶段,利用HFCMs模型对历史数据进行预测,并得到与之对应的误差数据集。第二阶段结合了HFCMs模型和BPNN误差预测模型,得到最终的预测结果。其中,HFCMs模型的最佳权重矩阵采用时间变化加速系数粒子群优化(TVAC-PSO)算法得到。最后,在5个金融数据集上对所提模型进行了实验,结果表明本文的模型具有更好的预测效果。

液压系统故障诊断的高阶统计量-模糊神经网络法

利用高阶统计量模糊神经网络方法对液压系统故障进行诊断 ,解决低信噪比故障特征信号下的故障诊断问题。介绍了高阶统计量和模糊神经网络的基本原理 ,阐述了利用高阶统计量模糊神经网络诊断液压系统故障的方法 ,给出了以阀控液压缸系统为研究对象的诊断实例。试验结果表明 ,利用该方法对液压系统进行故障诊断可以有效地提高故障特征信号的信噪比 。

基于遗传算法的高阶模糊BP神经网络在齿轮故障诊断中的应用

将模糊逻辑理论和遗传算法引入高阶BP神经网络中 ,讨论了高阶模糊BP神经网络的特征值的提取、结构、特点、二阶算法以及遗传算法 ,并将该神经网络模型用于齿轮的故障诊断中 ,试验表明基于遗传算法的高阶模糊BP神经网络对齿轮故障模式具有稳定、准确的识别能力 ,是一种行之有效的新型诊断方法。

基于小波包分析和高阶模糊神经网络的滚动轴承故障诊断

滚动轴承是旋转机械中最易发生故障的元件之一,提出了一种基于小波包分析和高阶模糊BP神经网络的滚动轴承故障诊断新方法。该方法的具体诊断过程:采用小波包分解的方法提取样本信号各频段的Shannon熵值并结合其他一些量化指标,经筛选后作为特征向量输入滚动轴承故障诊断高阶模糊神经网络,对该网络进行训练与检验。实验表明这种方法与传统方法相比,在收敛速度及对训练总误差控制方面具有更大的优越性。

具有脉冲影响的模糊反应扩散细胞神经网络指数同步

研究了具有混合时滞与脉冲影响的模糊反应扩散细胞神经网络的全局指数同步问题.通过构造恰当的Lyapunov泛函并利用一些不等式分析技巧,得到了基于p-范数的耦合神经网络系统全局指数同步条件.通过对所得结果的分析可发现较大的扩散系数更有利于系统实现同步.

随机时滞模糊细胞神经网络均方指数稳定性分析

利用Lyapunov泛函方法研究一类随机时滞模糊细胞神经网络平衡点的均方指数稳定性,并运用不等式技术、随机分析理论证明主要结果,最后给出例子验证结果的有效性.

基于模糊神经网络的高阶频段振动信号故障诊断研究

将模糊神经网络技术应用于机械故障高阶频率振动信号的研究 ,参考齿轮和转子故障模式并结合专家经验建立了螺杆压缩机转子故障诊断专家系统知识库 ,利用振动频谱特征就螺杆压缩机的几种故障模式结合一种模糊神经网络故障诊断模型进行了模糊神经网络识别。算例诊断结果为压缩机阴阳转子型线加工误差 ,与试验结果一致。

具有漏泄时滞的高阶细胞神经网络的多周期性分析

分析了一类具有漏泄时滞的高阶细胞神经网络的多周期性和指数收敛性.给出了保证此类网络的周期环在饱和区内局部指数收敛的充分条件.所得结果表明,一个n维网络可以有2n个周期环存在于饱和区,而且这些周期环是局部指数收敛的.仿真实例进一步证明了结论的有效性.

高阶模糊BP神经网络及其在滚动轴承故障诊断中的应用

将模糊逻辑理论与高阶BP神经网络结合起来,讨论了高阶模糊BP神经网络的结构、特点、二阶算法以及隶属函数的确定。并将该神经网络模型用于滚动轴承的故障诊断中,试验表明高阶模糊BP神经网络对轴承故障模式具有稳定、准确的识别能力,是一种行之有效的诊断方法。

带有离散滞后时滞和非线性脉冲效应的模糊细胞神经网络的指数同步

研究了具有离散滞后时滞和非线性脉冲效应的模糊细胞神经网络的指数同步,通过Lyapunov函数方法和不等式方法,利用p-范数得到了新的指数同步的充分条件,最后举例说明结论是有效的.

变时滞随机模糊细胞神经网络的均方指数稳定性分析

利用Lyapunov泛函及随机分析技巧研究一类变时滞的随机模糊细胞平衡点的均方指数稳定性,得到了均方指数稳定性的充分条件.该模型同时考虑了模糊不确定性和随机不确定性,更加接近真实的神经网络.最后给出一个例子证明结论的有效性.

一类时变时滞模糊细胞神经网络的时滞依赖指数稳定性判据

针对一类带有时变时滞的模糊细胞神经网络,通过适当的构造Lyapunov-Krasovskii泛函,以线性矩阵不等式的形式提出了一种新颖的依赖于时滞的全局指数稳定性判据.与之前结果相比,所提出的判据针对模糊时滞项进行了变换,从而首次考虑了模糊细胞神经网络中非模糊项的连接权矩阵中元素的符号问题,降低了判据的保守性.并且时滞变化率的限制将被放松.仿真结果进一步证明了判据的有效性.

带有反应扩散项的脉冲模糊细胞神经网络的全局指数同步

介绍了带有反应扩散项的脉冲模糊细胞神经网络,研究了该神经网络的全局指数同步.通过运用一些实参数以及不等式技术,取得了该系统全局指数同步的一些充分条件,该结论的取得对于全局指数同步的应用起到了很重要的作用.

具传输时滞和变系数的模糊细胞神经网络的指数稳定性及周期解(英文)

介绍一类具传输时滞和变系数的模糊细胞神经网络(FCNN),通过使用线性矩阵不等式(LMI)和Lyapunov-Krasovskii泛函,研究它的周期解的存在性及全局指数稳定性,并获得一些充分条件。此外,给出一个实例说明结果是可行的。

混合时滞模糊细胞神经网络的指数稳定性研究

利用Lyapunov泛函及M-矩阵理论,研究了具变时滞和分布时滞模糊细胞神经网络(FCNNs)平衡点的存在性和唯一性及其全局指数稳定性,得到了其简单判断.

基于时间尺度理论研究非自治模糊细胞神经网络的全局指数稳定性

通过使用叠合度理论、M-矩阵、李雅谱诺夫函数和不等式技巧等,在时间尺度上研究带有狄利克雷边值和反应扩散项的非自治模糊细胞神经网络的全局指数稳定性,并获得一些使其存在全局指数稳定的平衡点的充分条件.最后,给出一个例子去验证结论的有效性.

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 。

具中立变时滞的模糊细胞神经网络概周期解的存在性和全局指数稳定性(英文)

通过使用不动点定理和微分不等式技巧,研究了具有中立时变时滞的模糊细胞神经网路,得到了几个关于概周期解的存在性、唯一性和全局指数稳定性的新的充分性条件.