一类拟插值Kantorovich型神经网络算子的估计

该文在神经网络算子理论中的Max-product型算子和Kantorovich型算子的基础上，构造了一种由Sigmiodal函数激发的拟插值型的神经网络算子，考虑了其对实数域上非负连续函数的点态逼近和一致逼近，并给出了其在L^p₊(?)空间上的逼近定理.     

一种用于非线性逼近的新型模糊神经网络

针对一般非线性映射的逼近问题，提出用分域逼近的通用算法来实现全局逼近，并据此构造了实现该算法的新型模糊模糊神经网络。通过仿真，将新型模糊神经网络和常用的BP和RBF两种神经网络进行比较。结果表明，该新型模糊神经网络的非线性逼近能力明显优于后两者，且权值具有明显的几何意义，设计难度相对较小，可用于解决复杂非线性函数的逼近问题。     

基于神经网络的模糊综合评价

在模糊系统理论与神经网络理论基础上，建立了一种基于神经网络的模糊综合评价模型，其合成运算采用加权平均算子，其隶属函数调整采用误差反传算法，并证明了这种算子的模糊综合评价神经网络能收敛到唯一的极小点，不咄了以三角模糊函数为尿属函数的模糊综合评价神经网络的隶属函数调整算法。     

一类模糊控制器的设计算法及其分类

给出了由模糊蕴涵算子构造模糊控制器的一般算法.根据模糊控制器的响应函数的拟合性质将其分为4种类型:具有泛逼近性的模糊控制器、只具有拟合性的模糊控制器、只具有阶跃响应性的模糊控制器和不定型的模糊控制器.     

一类折线模糊神经网络的存在性

应用折线模糊值函数的表示定理和Weierstrass第一逼近定理构造了一个三层折线模糊神经网络,并借助折线模糊数的优良性质证明了折线模糊神经网络对连续折线模糊值函数具有泛逼近性.     

一类三层前向折线模糊神经网络的构造

为克服模糊数运算的复杂性引入了折线模糊数的概念,并应用其优良性质和折线模糊值函数的表示定理,通过插值神经网络的构造方法获得了一类三层前向折线模糊神经网络,证明了该折线模糊神经网络是连续折线模糊值函数的泛逼近器.     

一类混合型算子的逼近性质

研究了两种混合型算子的逼近性质，并指出新引入的混合型算子和Baskakov-Durrmeyer算子有相同的逼近性质。     

基于模糊系统的新型CMAC神经网络及学习算法

提出了一种基于模糊系统的新型CMAC神经网络，该神经网络与CMAC相比，它不需要对输入分量进行量化，而且能够根据实际问题的性质来初始化网络参数，有利于提高网络的收敛速度，与一般的FCMAC相比，它的逼近精度更高，能够解决CMAC系列网络逼近精度不高的弱点，所以此网络的实际应用前景更广阔，所做的大量仿真实验也证明了这一特性。     

BANACH空间中卷积算子逼近

T. Nishishiraho借助于强连续算子群研究了Banach空间上卷积算子的逼近问题。它是一元周期卷积算子在抽象空间中的自然推广。本文在Banach空间中引进多参数卷积算子并研究其逼近性质,得到类似于[1]中的结果。并由此给出多元周期函数空间中卷积算子逼近的量化定理。     

基于某些模糊蕴涵算子的模糊控制器及其响应函数

讨论了由23个模糊蕴涵算子构成的基于CRI算法的模糊控制器及其响应函数.结果表明,由其中9个模糊蕴涵算子构成的模糊控制器具有函数逼近的泛性,可以在实际的模糊控制系统中使用.这9个模糊蕴涵算子中,除Einstein算子交外,其余8个算子均是一些模糊蕴涵算子的伴随对.另外,有3个由模糊蕴涵算子构成的模糊控制器可近似为拟合函数.