基于模糊神经网络的人工鱼虚拟味觉系统研究

本文设计了在智能虚拟环境下人工鱼的一种虚拟味觉系统.利用模糊神经网络实现了鱼儿对食物的学习记忆算法.模糊神经网络由于同时具备了模糊逻辑对规则的表达能力以及神经网络的学习能力,非常适合解决虚拟环境中味觉的信号识别问题,经实验验证是切实可行的.基于模糊神经网络的味觉系统的研究和实现为人工鱼多感知融合系统提供了基础.     

基于熵聚类模糊神经网络味觉信号识别系统的研究

提出了一种基于熵聚类的模糊神经网络味觉信号识别系统模型，该模型利用聚类方法实现模糊输入空间划分和模糊IF-THEN规则提取，并使用梯度下降法对系统参数进行精炼，系统兼具有良好的可解释性和学习能力，对11种矿泉水味觉信号的识别实验结果表明了该系统的可行性和有效性。     

基于模糊规则自动生成算法的茶味觉信号识别

在充分研究了模糊加权神经网络和微粒群算法的基础上，给出一种能够自动生成模糊规则的剪枝算法,并以此建立了新的网络模型。通过茶味觉信号识别的仿真实验验证了该算法的有效性。     

基于最小不确定性神经网络的茶味觉信号识别

提出了一种基于最小不确定性神经网络方法的味觉信号识别模型,使用贝叶斯概率理论和粒子群优化算法(PSO),快速而有效地确定网络结构参数,实现了对10种茶味觉信号的识别,实验结果表明了将该模型引入到茶味觉信号识别的可行性和有效性。     

一种优化模糊神经网络的多目标微粒群算法

模糊神经网络优化是一个多目标优化问题．通过对模糊神经网络和微粒群算法的深入分析，提出了一种多目标微粒群算法．在算法中将网络的精确性和复杂性分别作为目标进行优化，再用一种启发性分量加权均值法来选取个体极值和全局极值．算法能够引导粒子较快地向非劣最优解区域移动并最终获得多个非劣最优解，为模糊神经网络的精确性和复杂性的折中寻优问题提供了一种解决方法．茶味觉信号识别的仿真实验验证了该算法的有效性．     

一种基于类覆盖和粒子群优化的模糊神经网络系统

提出一种基于类覆盖获取有向图和粒子群优化方法的模糊神经网络模式识别系统模型，该模型利用改进的贪心算法获得半径较均匀的超球体类覆盖，再利用超球体类覆盖实现模糊输入空间划分和模糊IF-THEN规则提取，以此实现模糊神经网络系统的结构辨识；采用改进的模糊加权型Mamdani推理法确定系统的输出，并使用基于粒子群优化的算法对系统参数进行精炼，使系统具有很好的强壮性和识别率．对11种矿泉水味觉信号的识别实验结果证明了该系统的可行性和有效性．     

基于模糊神经网络方法实现茶味信号识别的研究

提出一种基于模糊c-均值聚类(FCM)的模糊神经网络模型用于荼味信号识剐的方法。该方法采用模糊c-均值聚类实现模糊神经网络中模糊子集及其隶属度函教的自动确定，并对模糊加权型推理法进行了改进，在此基础上构枣了一个模糊神经网络模型。通过5种茶味信号识别的仿真实验，表明本文提出方法的有效性。     

LAPS型电子舌神经网络味觉识别

根据光寻址电位传感器(LAPS)原理,提出一种结合主成分分析和反向传播(BP)神经网络识别溶液味觉的方法。对LAPS电子舌采集的味觉数据主成分进行提取,将该主成分作为BP神经网络的训练样本,通过训练和学习构建味觉数据与味觉类别之间的联系,用训练后的BP网络对溶液进行味觉识别。对浓度分别为20 ppm、100 ppm、300 ppm和500 ppm的酸、甜、苦、咸、鲜5种味觉溶液进行识别验证,准确率达96.6%,结果表明该方法能够在不同浓度下正确识别出溶液的味觉。     

心电图的智能识别技术

模糊逻辑、神经网络是人工智能的重要分支,它们从不同角度、在一定程度上模拟了人类智能。本文先后将模糊逻辑、神经网络以及模糊神经网络技术用于心电图识别,获得了良好的效果。在模糊识别方面,从模糊识别矩阵的建立到模糊输入向量的确定,是针对此类具体问题的多传感器模糊信息融合算法,既综合考虑了各输入变量的作用,又突出了识别的主要依据。本文还给出了神经网络识别的三种试验结果及其与模糊神经网络识别的对比。模糊神经网络既充分发挥了神经网络的学习功能,又充分发挥了模糊逻辑的推理功能,因此具有很高的识别精度。     

模糊神经网络在电子鼻系统定量识别中的应用

提出并实现了两种类型的模糊神经网络用于电子鼻系统的定量识别。阐述了模糊神经网络用于电子鼻系统定量识别的基本原理,简要介绍了两种模糊神经网络的结构特点并进行了比较,并通过具体实例说明了模糊神经网络用于电子鼻系统的定量识别的可行性以及识别的效果。在该系统中,基于径向基网络模型的模糊神经网络的预测性能在整体上要优于基于感知器模型的模糊神经网络。     

脉冲GTAW熔池动态过程模糊神经网络建模与控制

展示了模糊推理与神经网络结合在脉冲GTAW熔池动态过程智能控制中的应用研究 结果.建立了脉冲GTAW平板对接动态过程特征:正反面熔池的最大宽度、长度与面积等参数 的神经网络模型,基于实验数据采用模糊辨识方法提取焊接过程的模糊控制规则,进而设计了 具有自学习适应能力的模糊神经网络控制器.建立了脉冲GTAW熔池动态过程智能控制系统, 焊接实验验证了所设计的模糊神经网络控制器具有智能控制效果.     

基于系统辨识的燃料电池系统建模和自适应模糊控制

熔融碳酸盐燃料电池（MCFC）发电运行时，电堆的工作温度必须控制在一定的范 围内，否则将导致系统发电效率的降低或危及电堆寿命．因此，实现对MCFC运行温度的在线 控制势在必行．但由于MCFC系统的复杂性，已有模型均为复杂的非线性微分方程组描述的解 析模型，难以满足在线计算的实时控制的要求．因此，本文首先利用神经网络辨识技术基于 实验的输入（气体流量）输出（温度）数据建立起MCFC电堆的神经网络模型；然后，基于这 一电堆模型，设计了一个MCFC电堆工作温度的在线改进型自适应模糊控制器．该控制器对传 统的模糊控制方法存在的缺陷进行了改进，它一方面采用BP算法对模糊系统的参数进行修正 ，另一方面又通过聚类算法对模糊系统的结构进行自适应调整．最后，用神经网络辨识模型 代替实际的MCFC电堆进行了控制仿真，仿真结果证明对MCFC辨识电堆建模的有效性，以及所 设计的模糊控制器的性能优越性．     

Fuzzy perceptron neural networks for classifiers with numericaldata and linguistic rules as inputs

This paper presents a novel learning algorithm of fuzzy perceptron neural networks (FPNNs) for classifiers that utilize expert knowledge represented by fuzzy IF-THEN rules as well as numerical data as inputs. The conventional linear perceptron network is extended to a second-order one, which is much more flexible for defining a discriminant function. In order to handle fuzzy numbers in neural networks, level sets of fuzzy input vectors are incorporated into perceptron neural learning. At different levels of the input fuzzy numbers, updating the weight vector depends on the minimum of the output of the fuzzy perceptron neural network and the corresponding nonfuzzy target output that indicates the correct class of the fuzzy input vector. This minimum is computed efficiently by employing the modified vertex method. Moreover, the fuzzy pocket algorithm is introduced into our fuzzy perceptron learning scheme to solve the nonseparable problems. Simulation results demonstrate the effectiveness of the proposed FPNN model     

Nonlinear modeling and adaptive fuzzy control of MCFC stack

To improve availability and performance of fuel cells, the operating temperature of molten carbonate fuel cells (MCFC) stack should be controlled within a specified range. However, the most existing models of MCFC are not ready to be applied in synthesis. In this paper, a radial basis function neural networks identification model of MCFC stack is developed based on the input–output sampled data. A novel adaptive fuzzy control procedure for the temperature of MCFC stack is also developed. The parameters of the fuzzy control system are regulated by back-propagation algorithm, and the rule database of the fuzzy system is also adaptively adjusted by the nearest-neighbor-clustering algorithm. Finally using the neural networks model of MCFC stack, the simulation results of the control algorithm are presented. The results show the effectiveness of the proposed modeling and design procedures for MCFC stack based on neural networks identification and the novel adaptive fuzzy control.     

基于模糊神经网络的机械故障诊断方法的研究

本文针对机械传动系统典型零部件的故障，应用振动谱分析方法，给出故障诊断的模糊规则，并采用模糊神经网络实现诊断推理，文中举例说明了该诊断方法。