基于S型隶属函数的FALCON神经网络及其应用

作为一种由基本模糊逻辑和神经网络结构结合而成的网络模型，FALCON神经网络兼具模糊逻辑控制和神经网络的学习能力．传统FALCON神经网络使用高斯函数作为隶属函数，具有良好的逼近和收敛能力，但使得网络拓扑结构和学习算法相对复杂．使用较为简单的S型函数作为FALCON神经网络的隶属函数，相应修改网络的拓扑结构，推导网络的学习算法，通过与原型网络相比较，证明改型网络简化了网络算法，且网络性能没有很大降低．最后，将改型网络应用于铝电解槽阳极效应预报，通过实际应用验证了改型网络的有效性和实用价值．

基于ARM9的多因子温室环境测控系统设计

本文综合考虑温度、湿度、CO2浓度、光照强度等温室环境因素之间的相互影响以及植物蒸腾作用、光合作用对温室环境的影响,基于RBF网络和FALCON网络设计控制算法,以ARM920T为内核的S3C2440A作为处理器设计温室环境测控系统。该系统实时性高、对温室环境调节准确、能耗低。

基于集成神经网络的CSTR状态预测

针对连续搅拌反应釜(CSTR)具有的多重稳态性质,提出使用多个相同拓扑结构的神经网络模块组成的集成神经网络对CSTR的状态进行预测的方法。对集成神经网络的所有网络模块使用多目标粒子群优化算法进行同步训练,使训练结果收敛于参数空间内最优的Pareto面。避免了单一神经网络训练收敛到某一最优点可能产生的过拟和的问题;解决了使用传统训练方法对集成神经网络的子网络进行独立训练时增加学习算法复杂度的问题。对CSTR浓度预测的测试结果证明集成神经网络比同等规模的单一神经网络更适用于CSTR的状态参数预测。