基于粗糙集理论的模糊神经网络及其在化纤生产过程中的应用

提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练。化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性。     

基于神经网络与模糊逻辑的智能控制算法

研究了将神经网络与模糊逻辑融合交叉而形成的神经网络－模糊智能控制算法的特点和优越性。提出基于小脑模型关节控制器（ＣＭＡＣ）与模糊逻辑相结合原理的新型智能控制器的结构与算法。     

智能控制中的模糊神经网络技术研究动向

本文综述了模糊神经网络技术的发展现状及主要内容，讨论了其研究中存在的问题，并对该技术的发展前景进行了展望。     

粗糙集理论在模糊神经网络中的应用研究

应用粗糙隶属度及粗糙神经0元对模糊神经网络进行讨论，得到了一种利用神经网络修正不完善粗糙规则的方法，以及一种粗糙模糊神经网络。以日本大阪湾的COD浓度为例，取得了良好的拟合及预测效果，从而具有广泛的应用前景。     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

粗集理论及其在智能控制中的应用综述

对粗糙集理论的应用发展及其基本概念做了详细的描述,介绍了粗糙集理论在智能控制中的应用及发展趋势.重点阐述了它与模糊集、神经网络、遗传算法等软计算方法的融合,指出这些融合将为解决智能控制中的难题提供新的思路和方法.     

基于二级结构的智能控制

本文研究了一种新的智能控制器，它有二级构成，第一级由神经元网络作为控制器，第二级由模糊决策确定网络学习参数，算法具有学习功能，与ＰＩＤ相比，该控制器控制效果也较好。     

智能复合控制在电液伺服系统中的应用

讨论了模糊逻辑和神经网络控制器在电液伺服位置系统中的应用,据此,提出一种智能复合控制方法,仿真和实验表明,这种控制器对系统参数变化不灵敏,且能有效地改善系统的动态特性。     

模糊神经网络在压边力智能控制中的应用

应用模糊神经网络专家系统实现了冲压成形过程中压边力的智能化控制，对系统模糊神经网络的构造和模糊神经推理机制进行了详尽的说明，介绍了压边力模糊神经网络和优化控制的设备及实现，并利用其对带凸缘的圆筒件拉深控制规律进行了研究。     

粗糙集理论及其应用研究

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具。本文给出了粗糙集理论的特点,阐述了几种粗糙集理论的扩展模型及其应用领域,最后讨论了粗糙集理论研究的前景。     

粗糙集理论在内燃机柱塞故障诊断中的应用

在对内燃机柱塞等故障利用神经网络进行诊为的基础上，引入粗糙集理论，对其在故障诊断特征参数属性优化中的运用进行了探索，并对故障诊断决策进行属性约简，剔除其中不必要的属性，揭示了故障诊断条件属性内在的冗余性，降低了神经网络构成的复杂性，最后给出了属性约简的结果。     

一种基于粗集理论方法的水位模糊控制器设计

应用粗集理论中知识表达系统决策规则的简化方法对模糊控制规则进行约简来设计粗糙模糊控制器,通过约简简化控制系统,从而得到一个最简控制决策规则,使系统更易于控制。完成了水箱水位粗糙模糊控制器的设计,并分别进行了模糊控制和粗糙模糊控制仿真研究,研究结果表明该粗糙模糊控制能有效改善模糊控制的性能。     

高型粗糙模糊集及高型模糊粗糙集

定义了L型粗糙模糊集（L型RF集），给出了其相关性质，进而引进了高型粗糙模糊集（高型RF集），它比普通的RF集具有更高层次的粗糙模糊性，可用于人们对粗糙模糊现象的描述，增强人们对自然语言的表达能力，平行地，最后研究了高型模糊粗糙集（高型RF集）。     

Rough集理论及其应用发展

论述了Rough集理论在人工智能、认知科学等领域的应用情况,讨论了Rough集理论的发展前景及趋势．论文中较为重要的创新之处的是,基于粗糙神经网络构造了一种从虚拟的场景图像智能化地直接推测符合主观听感的音质效果参数的模型．     

基于S-粗集理论的交通控制系统研究

利用粗集理论的知识推理,通过对交警指挥交通的实际经验所得决策表的约简,归纳出一系列交通控制规则,提出了一种基于S-粗集理论的交通控制模糊建模方法,实现了城市交通的粗模糊控制．     

智能故障诊断的粗糙决策模型

为了提高故障诊断的精度和降低误报率,提出了粗糙决策智能故障诊断模型·该模型可以对决策表进行无教师的规则提取;通过自学习,用较少的样本即可对故障进行分类·将复杂系统的原始样本集转化成了决策表,利用粗糙集具有较强的处理不确定和不完备信息的能力,对原始样本集的条件属性进行了约简处理;同时,利用决策树具有快速学习及分类的优势对约简后的决策表进行规则提取,提高了故障诊断的鲁棒性·给出了基于该模型的故障诊断步骤·以实例介绍了利用该模型进行故障诊断的全过程·     

基于粗集方法的课堂教学质量评价子系统研究初探

研究一个基于粗集方法的能以人类专家水平完成教学质量评价任务的智能计算机系统的建立。首先讨论了基于粗集方法的教学质量评价系统的框架,然后提出了基于粗集方法的课堂教学质量评价子系统的具体实现。     

粗糙集理论及其在数据挖掘中的应用

Rough sets理论被广泛运用于不确定环境下的信息处理.基于粗糙集理论的数据挖掘技术正日益受到计算机科学家和数学家的重视.笔者介绍了粗糙集理论的发展过程和基本特点,粗糙集理论在数据挖掘中的应用,以及典型的基于粗糙集的数据挖掘系统,并介绍了粗糙集理论的研究方向和研究领域,最后论述了粗糙集理论与其他智能化方法结合起来处理信息的必要性.     

一种新的智能控制方法及其在转速伺服系统中的应用

提出了基于相平面的目标函数及相应的模糊神经网络控制器的算法,并在三相交流电机转速变频调节的基础上,讨论了计算机监控电机速度的系统结构,从而实现了对电机转速的智能控制,新的智能控制方法引入了新的指标函数,结构简单,学习速度快,通过实验研究,表明该方法收敛速度快,学习能力强,并提高了系统的鲁棒性,证实了其在电机速度控制中的有效性。