基于模糊神经网络的软件质量评价方法

为了对计算机软件质量进行更加精确、客观、科学的评价,综合模糊逻辑推理的结构性知识表达能力和神经网络的自学习能力,提出一种基于模糊神经网络的软件质量评价方法。首先筛选软件质量评价的指标建立评价等级模糊级,然后利用神经网络的学习能力,通过网络的训练样本,确定评价中的变量参数;训练好的网络就可用来对软件质量进行评价。应用表明,该方法克服了由专家确定变量参数的缺点,达到评价结果更高的客观性、科学性,具有很高的应用价值。     

基于模糊神经网络的软件质量评价方法

为了对计算机软件质量进行更加精确、客观、科学的评价，综合模糊逻辑推理的结构性知识表达能力和神经网络的自学习能力，提出一种基于模糊神经网络的软件质量评价方法。首先筛选软件质量评价的指标建立评价等级模糊级，然后利用神经网络的学习能力，通过网络的训练样本，确定评价中的变量参数；训练好的网络就可用来对软件质量进行评价。应用表明，该方法克服了由专家确定变量参数的缺点，达到评价结果更高的客观性、科学性，具有很高的应用价值。     

模糊CMAC的柔性空间机器人轨迹跟踪自学习控制

针对不确定自由漂浮柔性空间机器人系统,采用模糊CMAC神经网络自学习控制策略来解决轨迹跟踪控制问题.首先建立漂浮基空间机器人的动力学方程,然后利用具有快速学习能力的模糊CMAC神经网络来逼近非线性柔性臂的逆动力学模型.网络参数采用改进的有监督的Hebb学习规则进行自适应在线调整,并通过关联搜索进行自学习和自组织,其误差代价函数由PID控制器提供.仿真结果表明,这种模糊CMAC逆模PID控制器能够达到较高的控制精度,具有一定的工程应用价值.     

基于神经网络的高校学生信用模糊评价研究

本文为更有效地对高校学生信用进行综合评价，建立了高校学生信用评价多级指标体系，提出了一种基于神经网络的评价模型。模型将模糊理论引入神经网络，通过神经网络的学习训练来调整模糊数学中的相应参数，以有效地模拟模糊综合评价的过程，对信用评价的定性过程而言，具有一定的合理性。     

一种自组织模糊神经网络控制器

采用一种具有结构和参数学习能力的自组织模糊神经网络控制器设计方法。这种控制器无需事先确定模糊控制规则，能在控制过程中通过神经网络的结构及参数学习在线调整模糊神经网络的结构、产生模糊控制规则、调整规则的参数。仿真表明该控制器能用于一定纯滞后时变对象的控制，具有良好的控制性能。     

基于模糊BP神经网络雷达导引头的性能评价

利用模糊系统和BP神经网络的组合模型来进行电子部件的性能评价,组合模型能够兼具二者优点,从理论上比模糊系统性能评价更精准全面.为提高模糊BP神经网络的映射和预测能力,将BP神经网络结构中的动量因子和学习速率两个参数利用误差反馈来调整.从理论上组合模型对电子部件性能评价误差更小,速度更快.通过实例仿真试验表明,改进后的模糊BP神经网络相比较改进前模糊BP神经网络系统,对导引头的性能评价更精准,适用性更强.     

基于模糊神经网络火灾探测信号处理方法

针对火灾探测信号的特点,建立了火灾探测系统模型及用于处理火灾信号的模糊神经网络计算模型.利用神经网络构造模糊系统,用神经网络的自学习和自适应能力自动调整模糊系统参数,用改进的BP算法对网络进行学习和训练.根据国家标准试验火数据进行网络的学习和测试,系统误差小于试验火标准误差要求,表明了算法的有效性和可行性.     

一种用于上下文推理的带反馈的自适应模糊Petri 网模型

自适应模糊Petri 网兼具模糊Petri 网的模糊推理能力和神经网络的学习能力,是普适计算的模糊情境推理机制的重要的形式化规约工具.但该模型依赖于离线训练数据集,无法适应动态变化的普适智能环境.在自适应学习Petri 网模型中嵌入反馈机制,并对将模糊逻辑引入对上下文的表示,利用神经网络的反向传播学习方法对隶属度函数的参数进行学习,提高了模型的场景适配和个性化自学习能力.通过设计服务推荐系统,建立了模型仿真与验证实验环境.实验结果表明,该方法可以有效提高系统学习能力,进而提高推理正确率.     

一种补偿递归模糊神经网络及其学习算法

文中在系统研究各种模糊神经网络的基础上,通过在传统的模糊神经网络中引入递归环节和补偿环节,提出了一种新型的补偿递归模糊神经网络(CRFNN)。在此基础上,进一步提出了一种序贯学习策略对网络进行结构辨识,可有效确定模糊规则的条数及相关参数的初始值。文中还针对CRFNN的特点,通过改进BP算法,对CRFNN网络的结构参数进行学习。通过对典型非线性系统的建模计算,结果表明:文中的CRFNN具有优良的动态响应特性和很强的学习能力。     

基于神经网络的企业信息系统效益评价研究

为了对企业信息系统评价的重点——效益评价进行更加精确、客观、科学的评价,首先建立了信息系统效益评价指标体系,然后结合神经网络的自学习能力,提出了一种基于神经网络的信息系统效益评价方法。通过网络的训练样本,确定评价中的变量参数,训练好的网络就可用来对信息系统效益进行评价。应用表明,该方法克服了由专家确定变量参数的缺点,达到了评价结果更好的客观性、科学性,具有很高的应用价值。     

一个基于模糊神经网络的数据逼近和泛化建模方法

本文介绍一个基于模糊神经网络的数据逼近和泛化建模方法,定义了一种模糊系统动态调节神经网络的学习率,给出了用迭代自组织数据分析算法确定神经网络结构、初始化神经网络参数的方法.在雷达天线罩视线误差建模中的应用表明,这种方法加快了网络的收敛速度,避免了局部极值,具有较高的数据逼近和泛化能力.     

神经网络在信息安全风险评估中应用研究

针对信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在-定的局限性.为了提高安全风险评估性能,将RBF神经网络理论、粒子群算法分析以及模糊评价法进行有机结合,建立了一种粒子群优化的RBF神经网络信息安全风险评估模型.首先通过模糊系统对信息安全风险因素指标进行量化,将模糊系统的输出输入到RBF神经网络的模型中,然后利用粒子群算法对RBF神经网络的参数进行优化并加以训练,最后得到优化评估模型.进行仿真的结果表明,改进的RBF神经网络模型可实现对信息系统的风险评估,解决了传统评估方法所存在的主观随意性大、结论模糊等缺陷,并且比RBF神经网络具有更高的拟合精度、更强的学习能力和更快的收敛速度.     

基于自适应神经模糊推理系统的视频烟雾检测

提出一种基于自适应神经模糊推理系统的视频烟雾检测算法。从视频图像中提取烟雾特征,采用减法聚类确定模糊规则数,建立初始模糊系统。通过神经网络的自学习机制调整前提参数和结论参数,确定模糊推理规则。实验结果表明,与传统BP神经网络算法及支持向量机算法相比,该算法具有较优的ROC曲线特性。     

基于模糊超球的模糊神经网络初始参数设定

在人们常用到的模糊神经学习算法中很少讨论如何设置并调整初始的权值参数,这样就会影响模糊神经学习算法的准确度,使得目标函数值很大。虽然在改进的模糊神经学习算法中使用模糊C均值聚类方法来确定模糊规则的初始参数,但是这种方法必须已知模式集的数目,这就限制了模糊神经网络的应用范围。因此,将模糊超球神经网络的思想与模糊神经网络有机的结合起来,通过不断调整超球的中心和半径以及超球的数目,优化模式集的边界,来确定权值参数,利用这种方法确定初始参数可以减小误差,提高算法的准确度,使目标函数值减小。     

自组织区间二型模糊神经网络及其自适应学习算法

针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自动完成神经网络的结构辨识和规则前件参数辨识;随后给出了基于梯度下降法和Lyapunov函数稳定收敛定理的规则后件权向量学习速率的自适应学习算法.通过非线性系统辨识实例,验证了该算法与其他方法相比具有更快的收敛速度和更高的逼近精度;并且利用该算法建立了某市电力短期负荷预测模型,结果表明该模型具有较高的预测精度,泛化性能更佳.     

模糊神经网络算法在倒立摆控制中的应用

本文利用一种可以进行结构和参数学习的模糊神经网络成功地控制一级倒立摆,该网络是一种多层前馈网络,它将传统模糊控制器的基本要件综合到网络结构中。从而使该网络既具备神经网络的低级学习能力,从而还具备模糊逻辑系统类似人的高级推理能力。因而,给定训练数据后,该网络不仅可以学习网络参数,同时还可以学习网络结构。结构学习确定了表示了模糊规则和模糊分段数的连接类型以及隐节点数目。对一级倒立摆的实际控制效果可以证明该算法的性能和实用性。     

基于模糊超球的模糊神经网络初始参数设定

在人们常用到的模糊神经学习算法中很少讨论如何设置并调整初始的权值参数，这样就会影响模糊神经学习算法的准确度。使得目标函数值很大。虽然在改进的模糊神经学习算法中使用模糊C均值聚类方法来确定模糊规则的初始参数。但是这种方法必须已知模式集的数目，这就限制了模糊神经网络的应用范围。因此，将模糊超球神经网络的思想与模糊神经网络有机的结合起来，通过不断调整超球的中心和半径以及超球的数目，优化模式集的边界，来确定权值参数，利用这种方法确定初始参数可以减小误差，提高算法的准确度，使目标函数值减小。     

不确定时滞系统的模糊神经网络自适应PID控制

对于不确定时滞对象，提出了一种模糊神经网络自适应调整PID参数的控制方法，利用模糊逻辑实现了模糊化，利用多层BP神经网络来实现模糊推理。该网络通过学习并记忆PID参数调整规则，实现了在线调整PID参数。通过对一类不确定时滞系统的仿真，验证了该方法具有较好的控制效果。     

一种模糊神经网络的结构和参数的确定方法*

结合FGP(Fuzzy Grid Partition,模糊网格划分)和FNN(Fuzzy Neural Network,神经网络)提出一种有效确定模糊神经网络模型中结构及参数的方法.该方法首先从样本数据中采用模糊网格划分确定出最佳规则数,从而可确定神经网络的结构;然后采用BP算法对神经网络进行调节,从而确定出模糊神经网络的参数.采用这种方法构建我国经济增长的模糊模型.研究表明这种方法构建的模糊神经网络具有更高的精度.     

基于模糊神经网络的静态手语词汇识别

利用数据手套CAS-Glove作为输入设备,提出了一种基于模糊神经网络的中国手语单 手静态词汇的识别方法:首先利用经验知识为每个词汇创建模糊规则,然后通过学习确定各模糊 子集隶属函数中的参数.对于参数的学习,提出了一种适用于分类器的可微经验风险函数,该函 数能够有效地利用梯度下降法进行最小化.在实验中通过比较证实了该方法的有效性和可靠性.