桥梁承载能力状态评估的模糊神经网络推理方法

在综合现有的状态评估理论方法的基础上,提出了基于层次分析的承载能力状态评估模型.结合模糊理论和神经网络技术,建立了一套基于监测信息输入的模糊神经网络推理系统框架,并利用模糊规则生成的规则库作为神经网络训练和学习的样本.利用实例验证了采用此智能评估技术进行承载能力状态评估的可行性和实用性.

从样本数据中获取模糊规则的一种算法

提出一种直接从样本数据中获取模糊规则的算法．模糊规则的隶属函数通过计算样本数据的方差与期望而得出，规则的抽取通过一个５层模糊神经网络实现，该算法包括两部分，第１部分确定出最佳规则；第２部分通过学习提高推理精度，通过仿真验证了该算法的有效性．

基于粒子滤波的自组织模糊神经网络算法研究

为了得到结构更加紧凑、泛化性能更强的自组织模糊神经网络,提出了基于粒子滤波(particle filter,PF)的自组织模糊神经网络训练算法。其能够对模糊规则进行自动生成和增删。文中给出了模糊规则生成准则,应用误差率下降方法作为模糊规则增删策略,删除作用不大的规则。建立了以隶属函数宽度参数为状态,以理想输出为量测的动力学模型,利用PF对参数进行了学习。最后,对两个实例进行了仿真,从仿真结果可以看出,与D-FNN、SOFNN、EKF-SOFNN等算法相比,其在结构紧凑性以及泛化性能上都得到了提高,从而证明了PF-SOFNN的有效性。

一种新的基于神经模糊推理网络的复杂系统模糊辨识方法

针对基于输入输出数据的复杂系统的模糊辨识问题,提出了一种新的神经模糊推理网络及相应的学习算法．学习算法被应用于系统的结构辨识与参数辨识．在结构辨识阶段,介绍了一种新的直接从输入输出数据中抽取和优化模糊规则的学习算法;在参数辨识阶段,提出和推导了一种非监督学习和监督学习相结合的混合式学习算法,实现模糊隶属函数的初步调整和优化．仿真结果表明,本文的方法可以同时满足对辨识精度、收敛速度、可读性和规则数的要求．

一种模糊神经网络技术及其在储层预测中的应用

大庆外围油田的葡萄花油层主要为砂泥岩薄互层,储层砂体横向变化大,这给井位设计带来了很大的难度。近几年地震属性分析技术虽然得到了较快的发展,但地震属性与储层地质参数之间的关系较模糊,难以用地震特征参数直接预测储层的砂岩厚度。为此,研究了一种模糊神经网络预测砂岩技术,它将人工神经网络理论与模糊逻辑分析相结合,在地震属性分析的基础上,以井旁地震道主分量参数为输入,以井孔地质参数为期望输出,建立模糊神经网络,并对网络进行训练,当网络收敛且网络整体方差达到要求的精度时,便完成了网络训练。该技术应用于大庆太平屯地区储层预测中,通过4口后验井检验,预测厚度与钻井厚度吻合较好,平均绝对误差为0.21m。

模糊神经网络分类器的主动学习方法

针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性阈值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少.实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短.

产品设计时间智能预测方法的研究

首先利用质量功能配置技术从设计要求中提取产品特征,从而确定影响设计任务所需时间的因素集;其次给出一种模糊神经网络模型来融合数据并实现时间的预测,该模型通过模糊综合评判来精简结构;最后通过注塑模具设计应用表明了该智能预测方法的有效性和可行性.

模糊神经网络在模拟电路故障诊断中的应用

将模糊理论和神经网络结合起来用于模拟电路的故障诊断是一种有效的方法。首先测得模拟电路在故障状态和正常状态时各测试节点的电压值,并对其电压偏差值模糊化,从而求得不同故障状态下各测试节点的电压偏差值所对应的隶属度;其次,以各测试节点的隶属度和所对应的故障类型作为训练神经网络的样本,来建立从故障特征到故障类型的非线性函数;最后,将该方法用于视频放大电路的故障诊断。仿真结果验证了该方法的有效性。

BP网络学习参数模糊自适应算法的实现

前馈神经网络BP算法的改进方案中,对网络训练(学习)过程中学习率和惯性系数进行模糊自适应调节,以提高收敛速度,是一项很有效的措施。文中具体分析了如何根据设计者的先验知识确定模糊规则和隶属函数,并以三比特异或函数(或称奇偶分类)的实现为例,验证了这种算法的改进、加速了BP网络的学习过程。

神经网络自动生成模糊系统

在模糊系统的生成过程中，最主要的任务是隶属函数和模糊规则的提取和调整，但用传统方法，其工作量往往随变量数的增长而爆炸性地增加．为了解决这一问题，本文提出了一种新颖的方法，利用神经网络来自动地提取模糊系统的隶属函数和规则．该方法首先将复杂的输入、输出关系分解成简单的输入、输出关系的叠加，然后对每个单独的变参产生一组适合于所有的简单的输入、输出关系的隶属函数，最后在这些变参的隶属函数的基础上求得整个系统的模糊规则。在本文的最后，我们给出了一个典型的实例以说明本方法的有效性。

基于视频的驾驶疲劳检测技术的研究

疲劳驾驶已经成为交通事故的重要因素,若能及时监测驾驶员疲劳程度并且对其进行警告,则可降低此类交通事故的发生率。在图像处理的基础上从驾驶员实际状况出发,从背景中分离驾驶员面部区域,分别采用优化等照度线法和优化mouthmap法提取眼睛和嘴巴特征参数,先在模糊神经网络的基础上建立疲劳分类器识别驾驶员疲劳程度,再在DSP系统上去实现疲劳驾驶检测系统。实验结果表明,该系统满足了一般疲劳的动态识别要求,具有较强的实用性。

基于神经网络的模糊控制器

将神经网络的非线性与自学习特性有机地应用于模糊控制系统中，用神经元节点及其相应的内部函数代替模糊控制系统的各个模糊子集及其隶属函数，而神经无节点间的连接代表模糊推理机，设计了一类基于神经网络的模糊器，以克服复杂非线性系统难以确定模糊子集的划分及其隶属函数和模糊推理规则等问题。

基于交互式隶属函数调整的模糊神经网络

对基于模糊神经网络的人脸识别方法进行了研究,提出的模糊神经网络在高维空间(如人脸)上进行模糊规则获取中得到的最终隶属度函数值并不合理,易得到零值的情况,对模糊规则获取过程中的隶属度函数初始值进行人为地调整.在ORL人脸库的实验结果表明,该方法具有良好的性能.

基于高斯函数与分级学习的D-FNN算法研究

D-FNN基本思想是构造一个基于扩展的RBF神经网络,它可以看成是一个TSK模糊系统,也可以看做是基于归一化的高斯RBF神经网络。该文提出的算法,学习前,模糊神经网络不需要预先确定,在学习的过程中,参数估计与结构辨识同时进行,并根据系统精度要求及模糊规则的重要性,自动地产生或者删除一条模糊规则。在学习速度、系统结构和泛化能力方面进行了仿真实验,仿真结果表明D-FNN具有更简洁的结构和优良的性能。

基于平淡粒子滤波的自组织模糊神经网络算法

提出一种基于平淡粒子滤波(UPF)的自组织模糊神经网络(SOFNN)训练算法——UPF-SOFNN。分析了基于误差下降率的模糊规则增删策略和神经元增加和删除准则,建立了以隶属函数宽度参数为状态,以理想输出为量测的动力学模型,并利用UPF对神经元参数进行学习。分别以非线性系统函数逼近和系统辨识为例,对UPF-SOFNN算法进行了仿真验证,表明UPF-SOFNN算法具有更紧凑的结构和较强的泛化性能。

模糊神经网络结构动态学习算法

提出一种模糊神经网络 ( FNN)结构学习算法 ,根据输入样本动态构建 FNN的输入节点及其对应的输入隶属函数 ,从而实现动态确定 FNN的结构 ,大大减少了对初始学习样本数目的要求 ,提高了 FNN学习算法在实时控制中的适应能力 .仿真结果表明 ,这一算法很好地实现了对超出初始学习样本范围的其他样本的学习 .

现代控制理论与交流电机调速(Ⅳ)——智能控制(3)

针对模糊逻辑控制和神经网络控制这2种控制方法的长处和不足,人们又提出兼具两者优点的神经网络—模糊控制方法。介绍了神经网络—模糊控制系统合成推理的网络形式及一般结构,并举例阐述系统在交流电机调速中的应用情况。

基于模糊神经网络的数据挖掘算法

提出了一种基于模糊神经网络的数据挖掘算法.通过计算隶属函数、构造及训练模糊神经网络、网络裁减、规则提取等步骤实现该算法;通过仿真,验证了该算法的正确性.

用基函数神经网络实现多阈值图象分割

本文介绍了一种用基函数神经网络实现多阈值图象分割的新方法。它从函数逼近的角度研究基于灰度直方图的多阈值分割问题，提出了一种模糊反向传播学习算法，采用该算法的高斯基函数网络能够准确检测直方图中包含的子区域和它们的分布函数，而且速度很快。实验表明本文的方法在实际图象分割中是有效的。

神经模糊逻辑控制系统隶属函数和推理规则的确定

针对当前开发模糊控制系统的一个难点——发现最优的隶属函数和模糊规则，研究了利用神经元网络的学习能力，从历史数据中发现隶属函数和模糊规则，在一定程度上减轻了系统开发工作量，克服了由于缺乏经验而可能造成的偏差．文中采用了三个学习算法：Ｋｏｈｏ－ｎｅｎ自组织算法、有监督的竞争算法以及ＢＰ算法，设计了一个二输入一输出的程序。