木材染色颜料配方预测模型

 木材颜色是决定消费者印象的重要因素,为了提高木制品的装饰作用和产品价值,要对木材及木质材料进行着色。将计算机配色的方法用于木材染色中,能加快染料配方生成的速度并将极大地提高工作效率、节约成本。本文研究了一种运用动态模糊神经网络建立的木材染色颜料配方预测模型,所谓的“动态”是指模糊神经网络的网络结构不是预先设定的,而是动态变化的,即在学习开始前,没有一条模糊规则,其模糊规则在学习过程中逐渐增长而形成的。在论述建模方法的基础上,对算法中的学习规则和参数确定进行了研究。模型为三输入三输出系统,输出就确定为活性艳红X-3B、活性黄X-R、活性蓝X-R的浓度值,输入为色差,该模型预测相对误差为0.52%,训练时间为128s,结果比较令人满意。这种方法为木材染色配色提供了一种新的途径,同时也为其理论在配色系统中的应用提供了新的思路,具有一定的理论研究价值和实际应用价值。     

基于OLS动态模糊神经网络结构研究

最小正交二乘算法(OLS)采用正交化方法,独立计算回归算子对输出的贡献进行动态模糊神经网络基函数的中心的选取, 对网络结构进行调整产生的扰动比较小. 仿真实验表明,该方法较其他方法构造的网络系统更适合于实时领域.     

基于滑动窗DFNN的含有复杂条款认股权证定价模型

将Black-Scholes模型与动态模糊神经网络相结合,构建一种含有复杂条款的认股权证定价模型.通过设定一定长度的滑动窗来保持采用固定长度的数据进行模型结果参数调整,同时采用动态调整前提参数策略,确保定价模型的泛化能力.以我国权证市场中认股权证阿胶EJC1为例进行分析,结果表明,提出的定价模型与RBF模型相比准确性较高,并且对权证价格走势判断较为准确.     

基于动态模糊神经网络的电力谐波精确测量

利用动态模糊神经网络测量电力谐波幅度,采用误差下降率调节模糊神经网络的结构,同时用分级学习方法调节模糊神经网络参数,使神经网络结构呈现动态变化,结构紧凑,避免了过拟合及过训练现象,提高了系统的泛化能力。通过对电力谐波信号的测量仿真,表明该方法具有很高的测量精度。