一种模糊自适应BP算法的研究

本文在人工神经网络中引入模糊集理论，提出一种模糊自适应ＢＰ算法。通过奇偶校验和ＥＥＧ异常波形检测两上实例，验证了新算法在学习速度与性能上都优于传统的ＢＰ和虎法。     

一种模糊人工神经网络控制器的设计与研究

模糊控制与人工神经网络控制有许多相似之处，如何最大程度地发挥这两种控制的优点是一个很重要的问题。本文利用模糊控制算法快速、简便的优点弥补了人工神经网络算法复杂、缓慢的缺点，利用神经元特征函数使数控制更容易处理，以此为基础研制出一种模糊人工神经网络控制器。     

模糊神经网络在客户信用评级中的应用研究

应用模糊理论的解释能力及神经网络自组织、自学习、自适应等的优点组建模糊神经网络模型，用于商业银行企业客户的信用风险评级，在组织网络时采用结构替代型神经网络，很好地将模糊系统与神经网络融合到一起，并产生模糊规则，训练结果表明系统误差小。     

基于模糊神经Petri网的武器装备效能评估模型

将模糊Petri与神经网络理论相结合,提出了一种关于武器装备效能评估的模糊神经Petri网模型.将模糊逻辑规则应用到专家评判中得到模糊Petri网,建立基于模糊Petri网的武器装备效能评估模型,并在此基础上将人工神经网络引入到模糊Petri中,在模糊Petri模型上,用迭代最速下降法对模型的参数进行学习和训练,经过学习和训练的模型具有很强的学习能力以及对外界环境的自适应能力.以某型雷达对抗装备为例进行仿真验证,仿真结果表明该模型是可行和有效的.     

一种前向网络的多准则学习方法

学习问题是人工神经网络研究的核心问题。本文提出一种基于模糊熵准则和误差平方和准则的多准则学习方法，可在一定程度上克服单准则学习的局限性。计算机模拟结果证明了新算法的优越性和有效性。     

火灾探测模糊神经网络的层次结构

应用多层次前馈网络构造模糊变量隶属度函数和模糊推理控制模型，使神经网络不再表现为黑箱式映射，其所有节点和参数都具有模糊系统等价意义。将模糊规则与隶属度函数用神经网络表现出来。利用神经网络的自学习特性，实现隶属度函数和模糊规则的自动提取，可优化调整隶属度函数，同时模糊系统也弥补了神经网络运算速度慢的缺点。     

基于模糊神经网络智能预测模型的设计与实现

针对智能决策支持系统中经常遇到的预测类问题,根据人工神经网络和模糊逻辑系统的各自特点,设计一种模糊神经网络模型,将模糊系统用类似于神经网络的结构表示,再用相应的学习算法训练模糊系统实现模糊推理.并对此模型进行预测验证和编程实现.     

前向多层神经网络模糊自适应算法

本文将模糊集理论与人工神经网络的研究相结合，提出一种模糊自适应ＢＰ算法，用典型异或问题与规模更大的打印机磁泄漏信息识别问题进行计算机模拟表明，该算法可使ＢＰ算法的收敛速度明显提高。此项工作为神经网络与模糊系统相结合探索了一条新的途径。     

单体模糊神经网络：在智能控制中的应用及VLSI实现

本文提出了一种融合人工神经网络与模糊集合理论思想的网络结构一单体模糊神经网络（ＭＦＮＮｓ）在对该网络结构性质进行讨论的基础上，设计了该系统在智能控制领域中的应用，同时介绍了采用２μｍ电流型多值逻辑ＣＭＯＳ集成电路系统进行的设计和实现的情况，研究表明这一新型的模糊神经网络有广阔的应用前景。     

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。     

可编程模糊逻辑控制器芯片的应用应用

研究了一种电流型可编制模糊逻辑控制器芯片（PFLC）的两种典型应用。在智能控制领域,利用PFLC设计并调试了倒立模糊控制系统,系统参数可由线性二次最优控制的方法导出。在信号处理领域,设计了一种基于PFLC的模糊自适应非线性均衡器,学习算法采用LMS算法,只需8次乘法运算,易于将PFLC扩展成为自学习模糊控制器芯片。     

人机控制与驾驶员模型研究

基于驾驶员自身控制行为的动态特性分析和驾驶员与飞行控制系统动态特性综合优化设计思想,详述了驾驶员控制模型的发展与应用。并针对驾驶员信息处理能力和特点,应用智能控制神经网络、模糊控制和预测控制方法,建立了新型的基于智能控制理论的驾驶员模型。用以协调驾驶员和被控对象的动态特性,以获得最佳的操纵决策,提高人机闭环系统性能、降低驾驶员工作负担,改善操纵品质。     

MSBR法污水处理模糊神经网络控制的研究

模糊神经网络(FNN)技术的迅速发展及其理论的不断完善为其在各个领域的应用奠定了基础。简述了FNN技术的发展以及在污水处理过程中的应用现状和重要性,详述了模糊神经网络控制在MSBR法污水处理中的应用,提出了一个具有5层的模糊神经网络控制器,通过仿真实验表明该控制系统具有很强的鲁棒性与容错性,该控制器能够自动调整隶属度函数、动态优化控制规则,将其应用于溶解氧控制和出水水质预测,结果表明可以快速、有效地使溶解氧浓度达到期望值,实际出水水质预测结果也具有很好的收敛性和预测精度。     

基于模糊神经网络滑模控制器的一类非线性系统自适应控制

本文研究了一类不确定性非线性系统的自适应控制,在模糊神经网络滑模控制器（Ｆｕｚｚｙ ｎｅｒｕａｌ Ｎｅｔｗｏｒｋｓ sｌｉｄｉｎｇ Ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅ ）的基础上提出了一种设计方法,将ＦＮＮＳＭＣ与带死区的滑模控制器（Ｓｌｉｄｉｎｇ ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ Ｄｅａｄ Ｚｏｎｅ）有机结合,通过平滑切换实现自适应控制,这种方法使系统不仅有好的鲁棒性而且能有效地消除离频动,同时     

A Framework for JRRM with Resource Reservation and Multiservice Provisioning in Heterogeneous Networks

Inter-working and convergence of heterogeneous wireless networks are paving the way to scenarios in which end users will be capable of using simultaneously services through different Radio Access Technologies (RATs), by means of reconfigurable mobile terminals and different network elements. In order to exploit the potential of these heterogeneous networks scenarios, optimal RAT selection and resource utilization mechanisms are required. As a result, the heterogeneous networks are introducing a new dimension to the Radio Resource Management (RRM) problem, so that new algorithms dealing with the dissimilarities and complementarities of the multiple RATs from a joint perspective have to be considered. In this sense, this paper proposes a Joint Radio Resource Management (JRRM) strategy in a multi-RAT, multicellular and multiservice scenario. An approach based on Fuzzy Neural methodology is presented. Firstly, the way how the proposed Fuzzy Neural framework deals with the multiservice allocation in a heterogeneous scenario is presented. A reinforcement learning algorithm based on neural networks allows guaranteeing a multidimensional QoS focusing on those QoS requirements which mainly affect the user perception of the service. In addition to this, the performances obtained by the Fuzzy Neural JRRM for both real-time and non real-time services, are compared to the ones offered by alternative JRRM strategies. Secondly, special attention is paid to real-time services and to mechanisms to improve their performances. An approach based on predicting future JRRM decisions and on accordingly reserving radio resources for handoff calls is presented. Simulation results will show improvements in terms of both new connection blocking and handoff call dropping probabilities. Finally, the full set of results provides the sufficient insight into the problem to allow stating that the present Fuzzy Neural framework can be a firm candidate for JRRM.

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.     

一种多分辨率组合的模糊神经网络分类器

提出一种多分辨率组合的分类器(MRCC)模型和相应的学习算法,发展了Simpson的模糊最小最大神经网络(FMM)方法.它克服了原始模型的几个缺点:训练结果不依赖于训练样本出现的次序,超盒扩张不受一个固定的最大尺度限制.和原始模型的超盒相比较,新模型的超盒中引入了一个参数表示超盒对于训练样本的分类正确率,称为超盒置信度.新的学习算法假设样本在一定尺度下均匀分布,从而能够在线调整超盒置信度参数.新的学习算法采用多分辨率组合的方法,消除了原始算法中选择超盒最大尺度限制参数的困难.实验表明,MRCC模型与原始FMM模型相比,分类性能更好,学习算法的自适应能力更强,建立的模糊超盒数更少,并行处理能力更强.     

基于PLC的模糊神经网络控制策略的应用

研究了模糊控制与神经网络两者相结合构成的模糊神经网络控制策略,实现了模糊神经网络控制算法在PLC中的软件编程,它不依赖于被控对象精确的数学模型,将模糊神经网络控制器应用于温度控制系统中,获得了良好的控制效果。     

神经网络动态逆在歼击机安全着陆中的控制

给出了基于神经网络动态逆的自适应跟踪控制方法,用以解决飞机着陆过程中的复杂非线性和出现舵机故障的情况.应用神经网络直接对非线性系统故障模型求逆,使得所设计的逆系统能够包含故障信息,克服了传统的控制设计中将过程模型线性化,从而将不可忽视的非线性关系用线性关系代替或忽略的弊端.对由于建模误差、不确定性因素等引起的非线性系统逆误差,通过自组织模糊小脑模型关节控制器(SOFCMAC)神经网络在线进行修正.并在此基础上对3个通道分别设计了参考模型和线性控制器,以实现对伪线性系统进行跟踪控制.通过将这种方法用于某型歼击机在着陆过程中发生平尾卡死故障控制的过程仿真,验证了该方法的可行性.     

基于FKCNN的模拟电路故障诊断方法

研究一种将模糊c均值聚类算法与神经网络相结合的模糊聚类神经网络(FKCNN),在分析该网络的结构和学习方法的基础上,对FKCNN的学习算法进行了一定的改进,并将改进后的模糊聚类神经网络应用于模拟电路的故障诊断,探讨了实现方法,设计了算法步骤,并举例对算法有效性进行了验证.结果表明,运用模糊聚类神经网络能够实现对具有状态可测性的模拟电路的故障诊断.