模糊PID和Hopfield神经网络在矿井通风系统中的应用

针对传统的PID控制或者单一的模糊控制无法准确控制矿井通风系统风量的问题,提出了一种采用模糊PID调节器和Hopfield神经网络调节器对矿井通风机的转速、风门、风量进行控制的方法。该方法利用模糊控制器对PID参数进行实时修正,并结合Hopfield神经网络的联想记忆功能和反馈调节特性,实现矿井通风机风量的快速、稳定输出。仿真与实验结果表明,模糊PID调节器和Hopfield神经网络调节器可以准确控制矿井通风机的转速和风量,实现通风系统的稳定输出。

模糊Hopfield神经网络及其模糊聚类功能(英文)

首先提出了具有模糊逻辑计算功能的模糊Hopfield神经网络—FHN .FHN中的神经元对应于模式集合的元素 .权重矩阵对应于模式之间的模糊关系 .最后讨论了FHN的稳定性和基于模糊距离关系的模糊聚类功能 。

基于一类弱连续T-模的模糊Hopfield神经网络研究

基于一般的弱连续T-模与取大（V）模糊算子的复合，建立了具有一般意义的动态模糊神经网络——模糊Hopfield神经网络，并系统分析了该动态系统的性能：在Hamming距离意义下证明了该网络是稳定的，而且其平衡点（吸引子）具有全局Lyapunov稳定性。最后，提供了一种有效的学习算法。

一种基于无源性理论的模糊Hopfield神经网络学习律设计方法

本文研究了一类模糊Hopfield神经网络系统的稳定性问题.首先,基于无源性理论,设计了一种新的权重学习律,并通过构造的模糊Lyapunov函数证明了系统从输入到输出是无源的.在此基础上,证明了系统在该学习律下是输入到状态稳定的.相比于传统的公共Lypaunov函数,本文所提的模糊Lyapunov函数能保证系统具有更好的性能.最后,通过数值仿真验证了所提方法的有效性.

新定义模糊Hopfield神经网络的稳定性研究(Ⅰ)

提出了一类新定义的模糊Hopfield神经网络 (NFHNN)。在此基础上 ,对该网络一致稳定性和吸引子的Lyapunov稳定性进行了研究 。

新广义模糊Hopfield神经网络的稳定性研究(Ⅱ)

新广义模糊Hopfield神经网络 (NFHNN)在具有物理意义的背景下更具普遍意义的模型一致稳定性和吸引子的Lyapunov稳定性研究 ,并且给出了一个模糊式是该网络吸引子的充要条件。

基于LMI的模糊Hopfield神经网络周期解的指数稳定性分析

本文研究了一类带有分布时滞模糊Hopfield神经网络的稳定性,采用线性矩阵不等式和Lyapunov-Krasovskill函数方法,获得了关于其周期解存在性、唯一性和指数稳定性的充分条件。最后给出实例说明了该方法的有效性。

一类具有时滞的不确定模糊Hopfield神经网络的指数稳定性(英文)

通过构造Lyapunov泛函及线性矩阵不等式(LMI)理论,给出了一类具有时滞的不确定Takagi-Sugeno(T-S)型模糊Hopfield神经网络的指数稳定判定准则。构造的Lyapunov泛函具有广泛性且引入具有自由加权矩阵的参数模型变换,这些方法使得文中所得稳定性条件更具一般性。最后,借助于MATLAB中的LMI工具箱给出了一个具体的数值例子来验证文中的结果。

模糊HopField神经网络聚类及在DRP中的应用

探讨了模糊Hopfield神经网络的聚类功能及其阈值的灵敏度和上下确界。提出了一种基于该聚类理论的企业销售客户资信聚类模型,通过二分法实现自动搜索各个阈值确界的逼近值,并应用于一大型粮食业集团的DRP系统中的资信评估,采用ASP.NET+MSSQLServer2000的B/S构架实现,为该集团的销售客户资信等级分类提供了科学方法,其聚类结果的合理性得到了集团应用的验证。

基于模糊Hopfield神经网络的大气降水粒子分类

提出基于模糊Hopfield神经网络的大气降水粒子分类,它是通过计算样本间的模糊关系的相似程度,再加上Hopfield网络所特有的高稳定性,对大气降水粒子进行分类。通过对各降水粒子所对应雷达回波数据的分析,验证了方法的可行性。

分布时滞模糊Hopfield神经网络周期解的指数稳定性

对一类具有分布时滞的Hopfield模糊神经网络模型,在假设激励函数是全局Lipschitz连续的条件下,应用Lyapunov稳定性理论等分析的方法,研究了此类模型周期解的存在性与指数稳定性,得到了唯一周期解存在与指数稳定的充分条件,并举实例说明它的有效性。

改进离散Hopfield神经网络在煤矿人因评估中的应用

为了预防和控制煤矿人因事故发生,将离散Hopfield神经网络应用于煤矿人因安全评估中。首先根据人因分析与分类系统(Human Factors Analysis and Classification System,HFACS)模型建立煤矿人因安全风险评估体系,体系包含多个指标;其次是构建输入矩阵,借助模糊综合评价法对评估指标量化编码;最后,运用学习率优化的离散Hopfield神经网络展开煤矿人因安全评估,以模型输出结果确定评估对象风险等级。将构建的煤矿人因安全评估模型与传统评估方法进行比较,结果表明该模型合理有效,可用于煤矿人因安全评估,为煤矿人因安全管理提供依据。

基于模糊Hopfield神经网络的特定目标的识别

基于模糊Hopfield网络研究提出了一种基于核的模糊Hopfield网络识别系统(BC FH NRS)。BC FHNRS先训练要识别的特定目标的核,使核能够代表特定目标,然后根据核对未知模式进行识别,判断该未知模式是否是特定的目标。给出了一种核的构造和训练方法,并以此为基础提出识别算法。该系统具有运算时间短、识别率和拒识率较高的优点。试验结果显示,BC FHNRS具有较好的特性。

基于离散Hopfield神经网络的化学实验室安全评估

针对高校化学实验室安全风险难以量化评估的问题,采用一种基于离散Hopfield神经网络(discrete Hopfield neural network,DHNN)的化学实验室安全评估方法.首先,利用层次分析法建立化学实验室安全状况多指标评估体系;然后,使用模糊综合评价法对评估指标进行量化,对评估指标编码;最后,使用学习率对DHNN进行优化,将该方法与传统评估方法进行对比,结果表明该方法能够实现对样本的准确评估.将该方法应用于高校危险化学品实验室安全评估过程中,仿真实验结果表明该方法构建的指标体系合理可行且评估精度较高.

基于直觉模糊理论的模糊神经网络设计

将人工神经网络的学习能力和适应性与直觉模糊逻辑的不确定推理能力有机结合起来,即可建立一个基于直觉模糊集的模糊神经网络。本文介绍了直觉模糊集的概念,列出了几种直觉模糊神经网络模型,分析了其相应结构、算法及优缺点。

基于模糊神经网络聚类模型的雷达目标识别方法

准确识别雷达目标类型和性质对于有效实施雷达对抗意义重大。分析了模糊Hopfield神经网络原理,构建了雷达目标识别的模糊Hopfield神经网络聚类模型,并结合实例进行了具体验证。

复突触神经网络模型及其稳定性研究

传统的Hopfield网络在联想记忆、优化计算方面发挥了重要作用,但该网络存在一个弊端,即它只能处理线性或二次的最优化问题。因此,本文首先对Hopfield神经网络进行了扩展,将其称为复突触神经网络(或模型),扩展的网络不仅可以解决目标函数或约束中含有高阶的最优化问题,而且还可以处理目标函数含有对数、三角形式等较复杂函数的最优化问题;然后给出了该网络稳定的充分条件并给出了证明,同时对网络中的权矩阵是否对称也进行了讨论;最后结合典型的模糊c均值聚类问题验证了该模型的有效性。

基于神经网络的信息聚类及联想实现

针对知识发现中的信息模糊查询问题 ,提出了一种基于神经网络的信息聚类及联想实现方法。首先按照信息分类对所要查询的信息进行量化编码 ,然后对编码后的数据进行规整处理。对于信息聚类采用均值聚类算法 ,而信息联想采用Hopfield网络实现。将基于上述算法开发出的信息模糊查询系统应用于图书信息查询 。

模糊Hopfield网络的收敛性与鲁棒性分析

收敛性与鲁棒性是模糊神经网络的两个重要性质。对带阈值的Max-T模糊Hopfield神经网络(记为Max-T-C FHNN)的收敛性及在训练模式小幅摄动情况下的鲁棒性进行了分析,从理论上给出了严格的证明。发现了采用最大权值矩阵学习算法时,Max-T-C FHNN具有良好的收敛性,同时当T模及其蕴含算子满足Lipschitz条件时,Max-T-C FHNN对训练模式摄动全局拥有好的鲁棒性,用自联想实验验证了理论的有效性。

基于Max-T模糊Hopfield网络的车型识别

在许多模式识别采样的过程中,由于环境噪声和设备误差,往往导致采集的数据与真实值有一定偏差,这种偏差会影响识别的效果。本文采用Max-T FHNN模型,提出一种应用于智能化交通管理的车型识别方法。并用实验证实相对于其他车型识别方法,该方法在待测样本含有噪声的情况下能得到更好的识别率。