Fuzzy Neural Network Models for Classification

In this paper, we combine neural networks with fuzzy logic techniques. We propose a fuzzy-neural network model for pattern recognition. The model consists of three layers. The first layer is an input layer. The second layer maps input features to the corresponding fuzzy membership values, and the third layer implements the inference engine. The learning process consists of two phases. During the first phase weights between the last two layers are updated using the gradient descent procedure, and during the second phase membership functions are updated or tuned. As an illustration the model is used to classify samples from a multispectral satellite image, a data set representing fruits, and Iris data set.     

模糊ARTMAP神经网络在TM影像分类中的应用

阐述了模糊ARTMAP网络结构及其采用的算法，提出一种引入遥感图像判读结果的警戒系数自动调整算法，能够解决人为选择警戒参数效率低、难以取得合适数值的问题．仿真结果表明，具有警戒系数调整功能的模糊ARTMAP神经网络能够有效地对向海自然保护区的TM影像进行分类，它与最大似然法和传统的模糊ARTMAP神经网络相比，对样本的依赖程度较低，分类精度较高．     

Fuzzy ARTMAP神经网络在土地覆盖分类中的应用研究

面对数量激增、包含信息日趋复杂的遥感影像，如何快速有效地自动分类已成为遥感领域亟待解决的问题。以TM影像为实例，探讨了Fuzzy ARTMAP神经网络在土地覆盖分类方面的应用。在总结Fuzzy ARTMAP网络警戒系数调整方法的基础上，提出了一种新的设置和调整警戒系数的方法。实验结果表明，这种新方法可以解决人为选择警戒系数效率低、难以取得合适数值的问题，并能提高网络的收敛速度和分类精度，结合本文所提算法的Fuzzy ARTMAP神经网络与最大似然法和传统Fuzzy ARTMAP网络相比较，训练时间缩短，分类精度有所提高。Fuzzy ARTMAP网络用于土地覆盖分类研究可以获得相对较好的分类结果。     

改进型模糊神经网络在顾客分类中的应用研究

随着电子商务的不断发展,顾客信息的管理和分析对B2C电子商务网站来说越来越重要,因此需要一个行之有效的方法来收集顾客信息,并深入挖掘其中所蕴涵的有价值信息。在本文中,我们提出了一种可以根据消费者的网页访问记录和网上交易记录来动态地对顾客进行分类的方法,主要是利用了改进型的FuzzyART神经网络对顾客在网站上的行为模型进行分类,从而得到顾客的分类信息。其结果可以作为提供个性化服务、确定产品的市场定位等方面的基础和依据。文章通过实验证明了上述方法的有效性和正确性,并对其应用进行了进一步的展望。     

神经网络分类算法在横河DCS系统中的应用

通过RBF的分析研究,提出了基于RBF神经网络的分类分析算法,并以CENTUM3000和VisualC++6.0为平台,建立了横河DCS系统中的RBF神经网络应用模型,经仿真及实际应用后其效果很好,验证了其算法的有效性,具有较高的理论及应用价值。     

基于电场传感器的人体坐姿监测

研究表明经常处于同一姿势或者久坐都会对人体的健康造成危害,因此进行相应的坐姿监测并适时给出运动提醒是有必要的.将单只电场传感器安装在办公座椅靠背上,通过测量人体与传感器之间的相对运动,实现人体坐姿监测.人体背部与电场传感器之间的距离发生变化时,两者之间的耦合电容相应发生改变,导致电场传感器输出的电压信号幅值与形状发生变...     

模糊 RBF 神经网络在语音识别中的应用

常规RBF神经网络的隐层一般采用高斯函数,然而任意输入对于中心点的隶属程度并不总是服从高斯分布,将模糊理论引入常规的RBF神经网络对其进行改进,用任意输入模式与各类中心的隶属度来替代原有的径向基函数输出。实验结果表明改进后的模糊RBF神经网络识别率得到了提高。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。     

一种模糊神经网络在决策支持中的应用

本文指出了对高层组织全局工作进行建模的困难，试尝采用一种模糊神经网络作为知识获取工具，以管理者对实际问题运行过程的直观经验作为“含噪声的运行数据”，在运行情形中收集样本，以描述与自学习相结合的方式对全局工作做定性建模与仿真。     

Computer Vision-Based Human Body Segmentation and Posture Estimation

This paper proposes a new method for vision-based human body posture estimation using body silhouette and skin-color information. A moving object segmentation algorithm is first proposed to distinguish the human body from the background using a sequence of images. This algorithm uses a fast Euler number computation technique to automatically determine the threshold of both frame and background differences. After segmentation, a sequence of image processing approaches then creates a complete silhouette of the human body. The objective of posture estimation is to locate five significant body points, including the head, tips of the feet, and tips of the hands. These significant points are first selected from convex points on a defined distance curve. A number of heuristic rules based on body shape characteristics are used to select the proper points among these convex candidates. These rules use features like the principal and minor axes of the human body, their interactions with the silhouette contour, the relative distances between convex points, and the curvature of convex points. An auxiliary skin-color feature is used when the silhouette shape features alone are not sufficient to estimate the significant points. Experimental results show that the proposed approach can efficiently and effectively locate the significant body points for most postures.      

模糊神经网络在电力短期负荷预测中的应用

提出用于电力短期负荷预测(SILF)的一种模糊神经网络(FNN)方法，该方法针对BP网络收敛速度慢、易导致局部极小值的缺点，将考虑气候、温度、星期类型等影响因素的模糊技术与快速二阶BP网络相结合，并以南方电网负荷预测为例，应用MATLAB蚀语言对系统进行仿真训练，测试结果表明，该方法具有较高的预测精度。     

模糊神经网络预测控制在配料系统中的应用

针对水泥生产过程中皮带配料系统的惯性、滞后、非线性及现场干扰频繁等特点,设计一种模糊神经网络预测控制算法,将模糊控制、神经网络与预测控制相结合,增强算法的自学习、跟踪与抗干扰能力,神经网络预测模型有效地补偿了传统预测控制基于线性模型的局限性.将该控制算法用于皮带配料控制系统中,仿真结果表明,物料流量控制效果优于传统的P...     

模糊神经网络控制器在伺服系统中的在线应用

基于神经网络的结构,结合模糊控制的理论,提出了一种模糊神经网络在线学习自适应结构,针对模糊神经网络控制器一般存在着在线修正权值计算量大。权值过度修正容易导致系统振荡等缺点,采用变结构变速率的学习方法对网络结构参数权值进行修正。将参数调整后的控制器模型应用于伺服系统中,并与传统的ITAE三阶无静差最优控制进行比较,仿真试验表明该控制器不但能够提高系统的控制品质,同时可以消除输出力矩对被控对象的扰动,具有很好的控制效果。     

人工神经网络在人脸识别分类中的应用

在人脸识别技术不断发展的今天,人们已经不局限于能够识别出人脸,更主要的侧重于人脸识别的准确性和高效性.人脸识别主要分成3个步骤人脸检测、特征提取、识别分类,其中识别分类的方法决定了是否能够正确识别出人脸.BP 神经网络具有正向传播和反向传播的特性,从而保证了分类的准确性,所以本文中笔者主要研究如何在 MATLAB中把 BP 神经网络应用在人脸的识别分类上.     

神经网络模糊规则抽取及其应用

从功能的观点出发,提出了一种基于粒子群优化算法的神经网络模糊规则抽取方法。该方法利用所要抽取模糊规则的表达形式,设计了规则的粒子三段表示方式,在粒子群算法优化过程中,采用两种更新方法,即离散化方法和连续化方法。该方法不依赖于具体的网络结构和训练算法,可以方便地应用于各种回归型神经网络。仿真实验表明,该方法可以抽取出保真度较高的符号规则。在实际应用中,采用模糊规则抽取算法,从丙烯腈反应器软测量模型中所得到的规则,提供了一种参数调节的指导性策略。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论：     

模糊神经网络在统一潮流控制器中的应用

UPFC作为一种串联于输电线上的补偿设备,具有快速调整有功功率和无功功率的能力,为电力系统的稳定提供了强有力的手段.具体介绍了模糊神经网络的基本理论,并且将模糊神经网络控制器的理论用于UPFC的潮流控制,提出了基于模糊神经网络的统一潮流控制器的设计方案,仿真研究表明,采用模糊神经网络控制方法比传统的PI控制能得到更快的响应时间,对有功和无功的变化具有很好的追踪控制能力,是一种行之有效的控制方法.     

模糊逻辑控制器的模糊神经网络实现

模糊逻辑是人脑思维活动的基本方式，而神经网络则是模仿人脑神经系统功能而设计的一类巨型非线性网络。所以将模糊逻辑与神经网络相结合具有很大的前途。本文利用模糊神经元突破了没有计算机就不能实现模糊控制的传统观点，给出了一种不用计算机就能实现的模糊神经网络控制器，对模糊控制的硬件实现起到积极的作用。     

模糊理论在RBF神经网络中的应用

概述了模糊系统和神经网络两者结合的优势,由于RBF神经网络在逼近能力、分类能力和学习速度等方面的优势,对RBF网络进行了模糊化构造,并用MATLAB进行了实验,并给出了结论。     

模糊神经网络PID控制器及在DTC中的应用

本文详细介绍了常规控制和模糊PID控制在直接转矩控制系统中的应用，建立在MATLAB仿真模型的基础上．利用多层神经网络构建模糊PID控制器，通过神经网络自学习能力在线提取模糊控制规则，根据不同时刻的误差和误差变化率运用模糊推理在线自整定PID参数。仿真表明，改进的模糊PID控制器具有常规PID控制器更好的效果。本系统适用于高性能交流伺服或调速系统。