基于量子计算模型的混合进化算法及其性能分析

 提出了基于量子动力学机制的混合进化算法,该算法依据小生境机制将初始个体划分为实数编码染色体的子群,种群内部采用自适应算子搜索局域的最优解,种群之间则采用基于量子动力学机制的协同进化.混沌系统生成的初始染色体序列实际上并不完全随机,因此我们提出非对称区间产生混沌染色体序列并能生成更多的优秀个体.为解决二进制算法所不能避免的精度与效率的冲突,本文采用十进制编码染色体.利用量子动力学机制的高度分布并行性,本模型能更好的适应复杂的动态环境.我们不仅证明了算法的收敛性而且分析了提高算法性能的策略,仿真实验也验证了该算法的优越性.     

参数自适应的析取云模糊置信规则识别方法

为获得准确的模糊置信规则结构参数,提出了参数自适应的析取云模糊置信规则识别方法.为完成模糊域的自适应划分,提出了基于频数统计的双门限检测方法和基于包含度的双门限检测方法.用云模型作为模糊集,改变熵系数和超熵系数,实现对模糊集形状的调整;前提属性的联接设置为析取逻辑关系,改进了证据的基本概率赋值方式,对规则权重和属性权重...     

低信噪比图像的模糊增强算法

传统的机器视觉方法应用于低信噪比图像的目标增强,增强结果容易受噪声影响,鲁棒性较差.本文提出一种基于最大模糊熵的图象增强算法,对不同复杂背景下的图像具有增强函数强度自动可调和运算速度快的优点.其算法的实现关键是利用遗传算法自动搜寻满足最大熵条件的模糊增强函数的最佳带宽参数.进化过程中运用实数编码,在父代染色体构成的超平面内运用高斯交叉、变异算子创建后代,并采用欧式距离自适应调节交叉、变异概率.通过实验证明,该算法能够有效的增强复杂背景下的微弱目标信号.     

驾驶员自适应神经模糊推理模型的建立与仿真

提出了一类基于自适应神经模糊推理系统(ANFIS)的飞机驾驶员建模方法.首先建立了包含若干待定模糊规则参数的基本驾驶员Takagi-Sugeno模糊模型,将其转换成等效的ANFIS网络系统后,采用驾驶员实际操纵数据和自适应BP算法对模糊规则各个待定参数进行训练并建立最终的模型.进而对已建立的驾驶员模型进行人机闭环系统仿真,结果表明,较之传统的传递函数模型,ANFIS模型与驾驶员实际操作输出之间的拟合程度更加理想.     

有记忆效应的功放实数延时模糊神经网络模型

描述了一种基于实数延时模糊神经网络的有记忆效应的功率放大器模型.该模糊神经系统即自适应模糊神经推理系统,采用模糊c类均值聚类方法来减少模型的规则数目和简化模型结构.在训练过程中,采用最小二乘和反向传播相结合的高效算法提取模型参数.在测试平台上用三载波WCDMA宽带信号对射频功率放大器进行测试,并借助矢量信号分析仪采样功率放大器输入和输出数据,成功地对模型进行了训练和验证.通过和实数延时神经网络模型(RVTDNN)比较,该模型的收敛速度远快于这些前馈结构的神经网络模型.比较和分析时域和频域结果表明模型有很好的性能,其归一化均方误差达-38dB.     

H.264中二进制算术编码的硬件实现

H.264标准中的二进制算术编码算法复杂,用软件实现起来速度慢,编码一个信号需要多个时钟周期。结合硬件实现特点,对算法流程进行合理优化,采用流水线设计方法,电路结构采用Verilog HDL进行RTL级描述,在Synplify平台上进行FPGA综合,介绍了H.264中二进制算术编码的FPGA实现方案。编码速度达到1 b/cycle,工作频率达到75.7 MHz,完全可以应用于视频图像的实时编码中。     

一种T-S型动态模糊推理模型的建模算法研究

以一种进化聚类算法（ECM）为基础,提出了一种新的T-S型动态模糊推理模型的建模算法.以往许多神经模糊模型都不适用于自适应在线学习,而文章模型能够实时地调整模糊规则库及规则参数,具有较强的在线学习能力.仿真结果表明,该方法是有效的.     

基于遗传优化的模糊PID控制器在水加药中的应用

水处理加药过程存在时变性、时滞性及无法准确描述的非线性等特性.本文在模糊PID控制器的基础上,运用遗传算法对模糊控制器量化因子及模糊控制规则进行再度优化,以提高控制器的自适应能力和模糊控制精度,同时,改善加药过程控制中模糊规则及参数具有主观性等弱点.并利用MATLAB进行了仿真分析,结果证明了该控制策略的有效性,并将其应用于水处理加药过程的控制中.     

基于加速进化规划方法的复杂系统模糊建模

提出了一种基于加速进化规划算法的模糊建模方法,该方法利用模糊聚类确定系统糊结构空间,然后利用引用了一个方面因子的加速进化规划学习算法调整模糊模 参数,经仿真验证,取得了满意的仿真结果。     

基于进化ANFIS的短波通信频率参数预测

该文提出并设计了一种利用神经模糊推理系统建模的短波通信频率参数预测模型。该模型以模糊系统为平台,利用自学习算法训练建立推理规则,采用并行自适应遗传算法进化调整系统内部参数。通过ff0F2实测数据仿真试验,并与神经网络方法、混沌和神经网络相结合方法进行比较,结果证明该模型具有预测精度高、收敛速度快、全局收敛性好、内部参数调整智能化等突出优点。     

Evolving Fuzzy Neural Networks for Extracting Rules

ＥｖｏｌｖｉｎｇＦｕｚｚｙＮｅｕｒａｌＮｅｔｗｏｒｋｓｆｏｒＥｘｔｒａｃｔｉｎｇＲｕｌｅｓ＊＊ＴｈｉｓｗｏｒｋｗａｓｓｕｐｐｏｒｔｅｄｂｙｔｈｅＣｌｉｍｂｉｎｇＰｒｏｇｒａｍｍｅ┐ＮａｔｉｏｎａｌＫｅｙＰｒｏｊｅｃｔｆｏｒＦｕｎｄａｍｅｎｔａｌＲｅｓ...     

分布式检测系统的模糊有序统计融合算法

为提高基于二元局部判决的分布式检测系统的检测性能，研究了基于模糊隶属度函数的分布式检测系统融合算法，提出了模糊有序统计融合准则。通过对肼传感器进行分布式检测系统仿真，结果表明：模糊有序统计融合准则在均匀环境中能获得比基于二元判决准则更好的检测性能，也好于同样采用模糊隶属度函数的求和准则的检测性能，且在多目标环境下获得了较强的适应性。     

A hierarchical fuzzy approach to supervisory control of robot manipulators with oscillatory bases

The research focuses on the issue of controlling a manipulator attached to a deployment, which typically exhibits compliance due to its mechanical nature. The problem is generalized as a motion control of a robotic manipulator attached to oscillatory bases. Due to the complexity of this problem, we decompose the control task into two subtasks and distribute them over two different levels. In the design of hierarchical fuzzy control structure, the lower level controllers take into account each subsystem ignoring the interactions among them, while the upper level controller handles subsystem interactions. The upper level coordinator to deal with the model reduction error and makes the supervisory decision to the lower level. Moreover, the supervisory fuzzy rule set is used to adjust the correction factors of the hierarchical fuzzy controller to achieve better performance. Consequently, it is shown that the proposed control model offers several implementation advantages such as less on-line computation time, reduced effect of overshoot and chattering, and a fast convergent rate in simulation. The results of this study can be feasible to various mechanical systems, such as mobile robot, gantry cranes, underwater robot, and other dynamic systems mounted on oscillatory bases.     

基于多值规则的知识表示及其应用

本文把多值逻辑引入专家系统中的知识表示,着重就模糊规则向多值规则的转换,二值规则和多值规则的混合表示,二值逻辑向多值逻辑的转换, 基于不同算子多值规则间的相互转换,以及采用管道结构从根本上解决专家系统中规则匹配速度慢等问题进行了研究,并首次将多值规则表示的知识用于电液位置伺服系统自适应律中的参数优化,进一步提高了控制器的性能.     

基于神经网络与模糊理论的模糊自编码器

自编码器是深度学习中广泛使用的一种网络,许多深度网络都以其为基础构建特定的网络结构。对于传统自编码器及其变体,不同层单元之间的参数被限定为普通实数,这在某种程度限制了自编码器的能力,为了克服这种问题,文中以模糊理论为基础,通过将自编码器的参数设置为模糊数,构建了模糊自编码器模型,并引入了相应的学习算法。基于MINIST手写数字数据集的实验表明,模糊自编码器在表示能力和鲁棒性方面都要优于普通自编码器。     

基于区间值模糊逻辑神经元的区间值模糊C-均值聚类神经网络

本文提出了一种基于区间值模糊逻辑神经元的三层前馈自组织学网络模型，用来实现区间值模糊Ｃ－均值聚类分析，网络第一，二层神经元的输入，输出和权连续取值属于区间值模糊集Ｉ（０，１）第一层神经元为区间值线性神经元；第二层为区间值模糊相等神经元，其功能是实现输入样本与各类的匹配运算，本文采用区间值模糊相等关系作为匹配的指标，为了定义区间值模糊相等神经元，本文在点值模糊相等关系的基础上推导了区间值模糊相等关系     

A neural fuzzy inference system

This paper proposes a new neural fuzzy inference system that mainly consists of four parts. The first part is about how to use neural network to express the relation within a fuzzy rule. The second part is the simplification of the first part, and experiments show that these simplifications work. On the contrary to the second part, the third part is the enhancement of the first part and it can be used when the first part cannot work very well in the fuzzy inference algorithm, which would be introduced in the fourth part. Finally, the fourth part "neural fuzzy inference algorithm" is been introduced. It can inference the new membership function of the output based on previous fuzzy rules. The accuracy of the fuzzy inference algorithm is dependent on neural network generalization ability. Even if the generalization ability of the neural network we used is good, we still get inaccurate results since the new coming rule may not be related to any of the previous rules. Experiments show this algorithm is successful in situations which satisfy these conditions.     

模糊汉明神经网络及其实现的研究

由于传统汉明神经网络未解决模式重叠和识别算法是否一定收敛的问题,也未充分利用输入模式与其他神经元之间的靠近程度信息,本文提出一种模糊汉明神经网络.模糊汉明神经网络可接受二值和非二值输入;使用模糊类隶属度子网解决模式重叠问题和充分利用靠近程度信息;采用比较子网保证算法的收敛和减少互连.其模块式的电路设计也便于网络的VLSI实现和扩展.     

一种神经网络模糊控制器的合成

论述了一种神经网络模糊控制器的合成方法，提出了单元-单元映象方法及利用模糊神经网络确定模糊中心，识别模型规则，调节隶属函数参数。仿真试验表明该模糊控制器相比PID控制器具有较好的性能。