利用模糊神经网络进行数据挖掘的一种算法

研究把模糊神经网络结合进数据挖掘的方法,经过模糊神经网络的建立,训练达到精度要求、网络的裁剪、隐节点激活值的聚类和规划提高的步骤,达到通过模糊神经网络方法从数据库中提取知识的目的,并通过仿真验证了算法有效性。     

混沌序列的T-SK反馈模糊神经网络预测

针对模糊神经网络预测混沌系统输入节点数目的确定随意性较大及敛速度慢的缺点,提出T SK反馈模糊神经网络(T SKrecurrentfuzzynetwork,TRFN)。同时采用两阶段学习算法:先进行结构学习来确定TRFN的最佳结构,再利用基于混沌动态量的BP算法对神经网络进行参数学习,提高了收敛速度和预测精度。应用此网络和相应的学习算法,对Henton序列进行了预测,与传统的模糊神经网络相比,在节点数目较少的情况下,取得了更快更精确的预测结果,验证了该方法的有效性。     

一种PID型模糊神经网络控制器

为了使一种基于两维控制规则基的PID型模糊控制器具有参数在线学习功能，提出了一种包含一个自回归神经元的五层模糊神经网络，并根据梯度下降法，给出了它各权值的修正算法，该网络可以在反馈控制系统中作为一个自学习控制器来使用，最后，根据有关定理，给出并证明了该网络各层权值学习速率的收敛准则。     

一种模糊小脑模型神经网络

为了简化网络、提高网络的学习能力、便于对一些系统的建模,本文提出了一种小脑模型神经网络,将模糊逻辑的推理过程用小脑模型神经网络表示出来,其输入层采用模糊化的感受野,能有效地减少输入层的容量,提高逼迫能力。由于采用系统的模糊信息,可以按实际问题的性质初始化网络的结构与参数,有利于提高学习的收敛速度。学习结果能更真实地描述问题的实质。     

一种基于遗传算法的新型神经网络设计

神经网络的设计主要集中在网络权值的选取和神经网络结构的确定两个方面 ,与遗传算法结合是目前研究发展的趋势 .本文与一般的基于遗传算法的神经网络设计相比 ,提出一个新型算子—— BP算子 ,并对神经网络的权值和结构同时优化 .仿真结果表明该算法结果比较理想 .     

一种广义模糊小脑模型神经网络及其仿真研究

针对传统的小脑模型，在保留CMAC原有增强和局部特性的基础上，结合模糊逻辑的思想，采用模糊隶属度函数作为接收域函数，提出了一种广义模糊小脑模型神经网络（GFAC）。研究了GFAC接受域函数的映射规律、隶属度函数及其参数的选取规律和学习算法。仿真结果表明GFAC具有良好的泛化能力和逼近精度，利用GFAC可以获得较常规CMAC连续性强且有解析微分的复杂函数近似。     

基于神经网络的故障模糊诊断研究

文章用模糊算子代替标准的传递函数，利用征兆、规则、故障间的逻辑关系进行故障诊断，构造了四层模糊结构，给出了诊断的知识流程、机理分析和诊断步骤，并推导出一种能加快网络收敛速度的故障诊断及改进算法．在对某J8-wp13发动机滑油典型故障样本和非故障样本的仿真中，诊断结果良好．     

一种新型复合神经网络模型

本文首先详细地阐述了ＢＰ神经网络和ＣＭＡＣ神经网络各自的结构，原理以及算法。提出了一种ＢＰ神经网络与ＣＭＡＣ神经网络组合起来的新型复合神经网络模型，并利用误差逆向传播原理推导出复合网络的学习法。仿真实验结果表明，这种复合神经网络在保留了ＢＰ和ＣＭＡＣ各自特长的基础上，同时具有学习速度快，泛化能力强等特点     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

一种模糊神经网络学习算法:移动小论域法

提出了一种T-s模糊神经网络在线学习算法：移动小论域法，解决非线性控制对象的在线辨识的精度和实时性问题。该算法是在前后件参数可分离的离线混合学习算法基础上，通过分析隶属函数类型及论域模糊子集划分稠必程度对辨识精度的影响后提出来的。不同于传统模糊化进程，此法使用了移动的小论域窗口在此窗口上划分较少的模糊子集技术产生网络前件模糊化参数，解决了模糊神经网络学习中精度和实时性相互制约的矛盾。仿真结果证实该算法精度高，实时性好。     

基于神经网络的模糊综合评价方法

运用神经网络确定模糊综合评价中的权重值,使权重值更符合实际情况。采用改进的反向传播算法训练网络,逐步修正网络的连接权值,使模糊综合评价指标的权重值逐渐接近实际情况,得到较好的训练效率和效果。最后利用该方法对液压凿岩机进行性能评价,验证了该方法的正确性。     

Fuzzy neural network image filter based on GA

A new nonlinear image filter using fuzzy neural network based on genetic algorithm is proposed. The learning of network parameters is performed by genetic algorithm with the efficient binary encoding scheme. In the following, fuzzy reasoning embedded in the network aims at restoring noisy pixels without degrading the quality of fine details. It is shown by experiments that the filter is very effective in removing impulse noise and significantly outperforms conventional filters.     

Tracking maneuvering target based on neural fuzzy network with incremental neural leaning

1 .INTRODUCTIONIn mixing information battle field,it is necessaryto esti mate the targets sport characteristics for i m-proving efficiency of weapons . The military tacticsguided missile defense system and air detectionsystemneed to track andidentify thousands of tar-getsinreal ti me ,the target informationinclude notonly maneuvering target and not maneuvering tar-gets ,but also environment reverberation and falsealarm. These situations take place in accurateweapon launch system, secondary…     

基于进化ANFIS的制导炸弹智能控制系统研究

针对目前制导炸弹命中精度低的问题,首次提出一种基于进化自适应神经模糊推理系统(ANFIS)的制导炸弹智能控制系统。该系统不基于数学模型,用独特的空间分层方法建立若干模糊推理系统,依靠专家经验来获取控制信息。规则库是通过系统对训练数据进行自学习,并在自学习的过程中引入遗传算法进化调整系统结构和参数而建立的。通过计算机仿真,该智能控制系统具有精度高、泛化功能强且实现了调整智能化等优点。可以预见,这种智能控制系统在军事上有很好的应用前景。     

决策支持系统中的模糊神经网络研究

面对复杂系统中许多需要决策选择的对象和方案难以满足人们对决策精度的要求,论述了模糊神经网络的概念及特点,在此基础上提出了基于模糊神经网络的决策支持模型。介绍了决策支持模型运行计算的过程与方法,并通过农机选型配套的决策支持实例验证了该模型,说明该模型对复杂的决策问题具有简单方便、快速准确地作出反应的优点。     

Registration algorithm for sensor alignment based on stochastic fuzzy neural network

1.INTRODUCTION 1.1　SensorSurveillanceSystem Surveillancesystemisusedinmanycivilianandmili taryapplicationssystems.Sub surveillancesystem contains:air trafficcontrolsystem,airdefencesys temandnavigationdecisionandcontrolsystem,etc. Inordertoperfectlydescribe“themovementofthe target”,thesystemneedtoobtainthetrackofthe target.Thedatafusionofthetargetandtheprocess buildingtheirtracksarecalledasmultipletargettrac ing.Themainfunctionofthetargetandtheprocess buildingtheirtracksarecalledas…     

基于自适应遗传算法和BP网络的物重监测模型

采用自适应遗传算法与误差反向传播算法(BP)相结合,建立一个通过图像监测物体重量的模型。先对图像进行特征提取,然后用遗传算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免局部极小。作为实例,利用圆柱体、锥形体、梯形体等物体图像相关资料建立了数据库,将图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知物体重量。由实例表明,该方法在预测物体重量中是可行的,误差较小,为物体重量监测提供了一种新思路和新方法,可用于大型生产线上的物体重量在线监测和质量控制。     

基于神经网络的异常入侵检测系统

针对神经网络检测器本身的网络结构和算法进行改造可获得好的性能,但无法从根本上解决误报率和漏报率等问题,通过对程序行为的深入研究,对程序行为进行动态建模,提出了一个应用BP神经网络检测器针对程序行为异常的入侵检测模型,从而更准确地发现程序行为的异常。通过Apache服务器为例论证其可行性。     

基于GA-BP神经网络的巨项目投入评价的改进研究

考虑到巨项目巨大的资源投入量、投入产出的多样性、复杂性和社会性等特点, 根据决策"核心三原则"构建适宜的投入产出评价指标体系, 通过DEA法对巨项目各投入方案进行初评并筛选出有效的方案, 在此基础上运用遗传算法优化的BP神经网络(GA-BP), 结合DEA的初评结果对多个有效方案进行二次评价, 从而选择最优方案. 实证分析表明, 此改进的巨项目投入评价模型, 能较好地适应巨项目的特征, 既保证了投入评价的客观性, 又能够实现投入方案的完全排序.