基于MLP模型的建筑结构损伤检测与抗震性能分析

针对建筑结构损伤检测和抗震可靠性评估的问题,提出一种基于多层感知器(MLP)神经网络的分析方法 .首先,构建一种钢结构建筑模型,定义多种柱截面积的损伤场景,将加载地震数据时各层最大相对位移作为MLP模型的训练数据.然后,利用MLP模型建立结构响应(输入)与结构刚度(输出)之间的关系,用来进行结构损伤检测.另外,在考虑各层的柱截面积、弹性模量和重力载荷因素下,构建MLP抗震性能评估模型.在一个三层的钢结构上进行了仿真实验,结果表明提出的方法能够准确检测出损伤,并对结构给出了可靠的抗震性能评估.     

基于模糊AHP理论的网络学习评价模型研究

针对现有网络学习评价模型中评价指标过多,不能客观公正的评价学生对知识的掌握程度,而且只重视总结性评价而忽略了形成性评价的问题,依据网络教学的特点,以学习过程的模糊评价为核心,构建了一个实用的多层次网络学习模糊评价模型,设计了评价指标体系和评价方案,并对其中的主要技术问题和解决方法作了探讨,利用该模型能迅速地对学生进行综合客观公正的评价.     

煤矿带式输送机故障诊断中模糊神经网络的应用

以模糊数学分析及神经网络综合运用为基础,研究了煤矿带式输送机的故障诊断技术.通过对输入参数的模糊数据处理并利用神经网络的学习能力来实现对数据的训练,得到高精确度的故障参数,从而建立起相应的模糊神经网络,对带式输送机进行及时有效的故障判断.最后基于Matlab软件对训练数据的仿真表明,基于模糊神经网络的故障诊断相较于传统故障诊断技术具有极高的准确度,且数据反馈及时,运行稳定.     

基于模糊粗糙神经网络的交通流研究

交通流预测是实现道路交通科学管理的重要内容,文章概述了模糊粗糙神经网络的基本原理,通过模糊粗糙隶属函数建立了基于模糊粗糙神经网络的交通流控制模型,设计了两级协调模糊控制器,结合模糊控制理论和神经网络各自的优点,构造了模糊粗糙神经网络.通过实践结果证明,该算法精度高,学习速度快,适应能力强,对实时交通流预测有一定的指导意义.     

基于模糊理论的足底压力分布模式识别

采集了正常人足底压力的数据,统计分析了行走过程中摆动相5个阶段的压力分布关系,指出采用模糊理论方法能够更好地对足底压力分布模式进行识别.在实验统计的基础上采用拟合方法得出表征足底压力大小的隶属度函数,结合实验数据固定了FCM算法的聚类中心,精简了算法,能够快速确定受试者处于步行状态中的何种支撑相,并对该算法进行仿真验证,实验结果验证了该方法的可行性.     

基于动态逆模糊神经网络的准滑模控制

针对不确定非线性系统,提出了基于动态逆模糊神经网络的准滑模控制,控制量可直接由一个模糊神经网络的前向推理得到.仿真表明了方法的有效性.     

基于循环神经网络的汉语语言模型并行优化算法

计算复杂度高导致循环神经网络语言模型训练效率很低,是影响实际应用的一个
瓶颈. 针对这个问题,提出一种基于批处理(mini-batch) 的并行优化训练算法. 该算法利用
GPU 的强大计算能力来提高网络训练时的矩阵及向量运算速度,优化后的网络能同时并行处
理多个数据流即训练多个句子样本,加速训练过程. 实验表明,优化算法有效提升了RNN 语
言模型训练速率,且模型性能下降极少,并在实际汉语语音识别系统中得到了验证.     

利用循环相关特征的自适应模糊调制分类

针对非平稳数字调制信号,提出一种高阶正交循环累量特征,具有“屏蔽”干扰和噪声的特性. 采用模糊神经网络非线性动态建模的调制识别器,根据特征训练样本的大致分布状况建立蕴涵初始经验的模糊推理系统结构,再嵌入神经网络的结构和自适应学习算法对模糊系统参数进行调整和优化,完成模糊神经网络模型的逼近求精. 对MASK, MPSK, MFSK, MQAM 等信号进行仿真实验,结果表明系统在信噪比等环境参数变化较大的情况下适应性和容错性良好. 相对于神经网络等识别器,具有初始经验的系统结构更明确,建模周期较短,算法识别率和效率有明显提高.     

基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

基于模糊集与改进证据理论的目标识别

在基于模糊理论目标识别基础上,通过对模糊隶属度进行重新分配,较好地克服了随机因素的影响,同时对已有的证据理论合成进行改进,将模糊集理论和改进的证据理论结合,可望进一步提高对空中目标的正确识别率.     

基于k-可加模糊测度的变权多属性决策分析

k-可加模糊测度具有很好的柔性,本文采用k-可加模糊测度对基于关联的变权多属性决策(Multi-Criteria Decision Making, MCDM)中属性和属性集的重要程度建模;依据模糊测度理论和属性间独立情形下的变权理论定义基于k-可加模糊测度的变权和状态变权的公理体系;依据Marichal熵理论讨论基于关联的变权MCDM问题的k-可加模糊测度的求解,依据模糊积分计算决策方案的综合评价值,以此对方案进行排序并选择最优方案;最后以某煤炭企业选择接替资源为例验证了理论和模型的合理性和可行性.     

基于语义网络表示的皮肤症状模糊推理系统的研究

针对皮肤症状中的知识表示问题,讨论了语义网络的知识表示方法.并将模糊推理引入皮肤症状图像的分类识别中,给出了4种常见皮肤症状(黄褐斑、粉刺、黑头、雀斑)的语义网络表示,建立了识别的隶属度函数和基于语义网络表示的模糊推理算法,从而构建了一种皮肤症状模糊推理系统.实验结果表明,利用该推理系统得到的皮肤症状分类准确率达到了令人满意的效果.     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

基于新的距离度量的三角模糊数多属性决策法

利用基于区间数的中心、半宽度的距离度量以及三角模糊数的水平集信息,定义了三角模糊数上一个新的距离度量,并证明了该距离满足非负性、对称性和三角不等式性质.进一步,针对三角模糊数上的多属性决策问题,利用该距离度量和模糊理想点思想,给出了一种基于新的距离度量的多属性topsis决策方法.最后,给出应用实例,并验证了该方法的合理性、有效性.     

基于多层NN结构的电机故障诊断应用研究

通过电机故障机理的分析，确定电流噪声多元时序模型参数φi作为电机故障类型识别初始模型向量，并针对其特点，提出了多层NN结构的故障诊断模型，在诊断模型中，应用APEX网络提取分类信息，压缩向量空间维数，利用前馈网络建立其类型识别函数，实践证明该诊断方法是正确的。     

基于加权全局时频特征的易混淆词识别

针对易混淆词特征差异小,分类决策困难的特点,提出了一种新的语音识别特征。该特征可以根据待识单词的发音特点,通过选用合适的基函数及加权处理,突出混淆词特征之间的差异性;     

船舶操纵的神经网络自组织模糊控制器研究

针对船舶操纵这种非线性、时变参数控制对象,提出了一种神经网络的自组织模糊控制方法,给出了这种模糊神经网络的结构、知识表达。仿真结果表明些方法控制性能良好。     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.