决策模型中模糊知识的处理方法

“不确定”问题是决策科学中碰到的难题,在决策模型中引入模糊知识的概念,为解决概念模糊不确定性问题提供了启示,本文介绍一种智能决策系统获取知识的方法,其主要特点是,围绕决策目标逐层进行分解,以获取决策问题的特征知识以及特征的语言变量知识,特征与相关的语言变量进行组合,形成模糊模式,决策过程就是一系列模糊模式的识别及综合过程.     

一种语言模型的精确学习方法

语言模型具有很好的可解释性，但面对复杂问题时，其精确性不能满足要求。为此结合微粒群算法和遗传算法各自的演化特点，采用两阶段学习策略。对语言模型进行分层演化，首先利用微粒群算法优化各输入变量的语言值数目及对应的模糊集参数。形成候选规则集，再应用遗传算法选择规则，得到精确的语言模型．该方法几乎无需先验知识，可直接从样本数据获取语言模型，应用函数近似为例说明其有效性。     

神经网络专家系统——基本理论与实现

AI的引入使计算机科学取得了惊人的成就,而作为AI最活跃的分支——专家系统的迅速发展和成功应用使AI从学科研究走向实际应用取得了重大突破。然而,专家系统的发展遇到知识获取“瓶颈”、“窄台阶”等因难以及现代数字计算机固有的缺陷,使其支持能力受到极大的限制,亟待开拓新的途径和方法。最新发展的以非线性大规模连续时间模拟并行分布处理为主流的神经网络理论为AI和专家系统的发展开辟了崭新的途径。基于神经网络非线性信息处理基本原理,本文系统地研究并论述了神经网络专家系统理论与基本框架;提出了知识的神经网络表示、知识获取的自适应学习训练、知识的自适应并行联想推理、模糊推理等方法。神经网络专家系统理论的发展和应用必将为AI、计算机科学和信息科学带来历史性的突破。     

基于改进基函数的自适应动态模糊神经网络算法研究

在D-FNN算法基础上,提出了基于椭圆基函数(EBF)的广义动态模糊神经网络.该算法提出模糊ε-完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性;同时,该算法不仅能对模糊规则而且能对输入变量的重要性作出评价,从而使得每个输入变量和模糊规则都可以根据误差减少率(ERR)来修正.其应用不仅可以用来建模,还可以用来抽取有意义的模糊规则以获取知识.通过与D-FNN以及其他方法的比较,可以看到GD-FNN在学习效率和性能方面具有突出的优势.最后针对实际案例进行了仿真分析,验证了该算法的有效性和高效性.     

基于区间对偶犹豫不确定语言广义Banzhaf Choquet积分算子的多属性决策方法

基于将对偶犹豫模糊集和语言变量相结合定义对偶犹豫模糊语言集的思路,提出了区间对偶犹豫不确定语言集的概念,研究了区间对偶犹豫不确定语言变量相关的基本理论与方法,并针对属性值为区间对偶犹豫不确定语言信息的关联多属性决策问题,提出了相应的决策方法.首先,定义了区间对偶犹豫不确定语言变量的概念、运算法则、得分函数、精确函数、海明距离以及排序方法.然后,提出了区间对偶犹豫不确定语言广义Banzhaf Choquet积分算子并证明了该算子的一些性质.为了确定属性集的模糊测度,建立了基于离差最大化方法以及Banzhaf函数的模型.进而,给出一种用于解决属性权重部分未知,属性值为区间对偶犹豫不确定语言变量的关联多属性决策方法.最后,通过算例验证了该方法的有效性.     

基于RBF神经网络的多变量系统PID解耦控制

针对工业生产过程中的多变量耦合系统采用传统控制方法不能达到满意的效果,提出了一种基于神经网络的PID解耦控制方案。在实验研究中,采用改进型动态BRF神经网络辨识器,在线辨识多变量系统的非线性时变模型,同时自动调整PID控制器各项参数,最终实现对系统的智能化解耦控制。给出了BRF神经网络的拓扑结构和算法,并对一组二变量强耦合时变系统的控制过程进行了计算机仿真,结果表明:基于BRF神经网络的PID控制不仅超调量小、响应速度快、控制精度高,而且具有很强的鲁棒性和自适应能力。该设计方案使得解耦后的多变量系统具备了良好的动、静态特性。     

神经网络预警系统及其在企业运行中的应用

本文提出了神经网络预警系统，建立了系统的基本结构，设计了系统的预警知识获取部件、预警知识库、报警部件和人机界面，进行了应用于企业运行状态的预警技术处理和仿真实验设计，结果表明这种新的预警系统构造简捷，使用方便，具有广泛的应用前景。     

粗集与神经网络的集成技术研究

粗集和神经网络都是处理不确定、不完全信息的软计算方法 ,两者曾在决策支持和知识获取等领域取得了很大的成功并得到初步应用。但两者都有局限性 ,同时在许多方面有互补性。因此粗集和神经网络的集成成为当今智能混合系统的一个重要分支 ,或许也是开发下一代专家系统的主流技术。从认识论的角度分析了粗集和神经网络的特点 ,评述了目前粗集和神经网络集成的理论和方法 ,指出其中存在的主要不足。最后提出了粗集和神经网络进一步集成所需解决的问题。     

基于优化的RBF神经网络模式识别新方法

提出了一种基于Hough变换优化的RBF神经网络模式识别新方法,该方法把Hough变换应用于RBF神经网络的参数确定中,实现了RBF神经网络的隐层节点数和数据中心值的自适应获取,提高了RBF神经网络的泛化能力。仿真结果表明:此改进的RBF网络用于模式识别中具有识别能力强,计算量小,识别速度快的优点,具有广阔的应用推广前景。     

基于能岗匹配的管理人员配置过程定性模拟

能岗匹配是人力资源配置的重要原则。实施动态环境下的能岗匹配需要模拟出管理者素质变量与岗位职能变量的变化趋势与程度,以及这两者的实时匹配程度。首先描述了管理者素质与管理岗位职能的变量,建立了用于能岗匹配的定性模拟模型,设计了状态变量知识表示方法及其转换规则。采用BP神经网络设计了管理人员能岗匹配度计算函数。最后,设计了定性模拟步骤,并给出了一个模拟应用实例。     

根据粗糙集理论进行BP网络设计的研究

提出了一种根据粗糙集理论进行ＢＰ网络设计的方法,它结合了粗糙集理论的强大的定性分析能力和ＢＰ网络的准确的逼近能力,得到一种可理解性好、计算简单、收敛速度快的神经网络模型．这种神经网络的学习算法的要点是：应用粗糙集的理论和方法,从给定学习样本数据中发现一组规则,并根据这些规则去建立网络模型中相应的隐层节点;然后用ＢＰ算法迭代求出网络的参数,从而完成网络的设计.     

基于灰色关联分析的分层模糊神经网络

为解决“模糊规则爆炸”问题,提出一种基于模糊神经网络从试验样本抽取模糊规则的方法。首先,根据灰色关联分析的结果,将输入变量进行两两组合建立分层模糊子系统。其次对每个模糊子系统设计分层参数、结构优化算法。在权值学习过程中,模糊进化规划与分层方法相结合,网络的各层权值独立优化,并且各层权值优化问题简化为二次型问题,降低了权值优化过程中的计算复杂性。最终能够实现整个模糊神经网络的分层优化,各层神经元单独训练且训练结果互不影响。与常规的前向进化神经网络方法相比较,该方法通过对神经元的部分解群体的进化,缩短了个体的编码长度,显著地减少了计算量。同时这种方法不但能够很大程度上简化适应值的计算,更重要的是能够降低适应值空间的复杂性,从而能够加速进化算法收敛到全局最优点。     

项目后评估中的粗集-神经网络建模与仿真

对粗集-神经网络理论进行了讨论,在神经网络基础上,提出粗集-神经网络项目评估方法,该方法利用粗糙集理论对数据样本进行数据浓缩,从给定学习样本数据中发现一组规则,提取规则作为神经网络的输入,该方法简化了神经网络的结构,提高训练效率,对我国农业工程项目后评估进行仿真,评价结果是合理的,具有较大的参考价值,在实际中有良好的应用前景。     

基于神经网络集成的说话人识别算法仿真研究

说话人识别研究中采用的语音信号特征同时包含了语义信息和话者信息,二者相互影响,给识别带来了很大的困难。为解决这个问题,我们将集成思想应用于说话人识别中,针对每个汉语单韵音的特征空间训练一个神经网络实现说话人分类,并使用另一个神经网络对多个单韵音神经网络识别器的识别结果进行结合。该方法可以有效地避免语义信息对说话人识别的干扰,提高识别精度。不仅如此,神经网络集成的识别结果还可以同时给出该帧语音所属的单韵音类型。仿真实验结果表明,集成系统的识别精度高于单一神经网络,并且在与多种算法的对比中也展示了良好的性能,更重要的是,该方法给出了一种从语音特征中分离语义信息和说话人信息的新思路。     

基于小波神经网络的混合动力汽车实时控制策略

提出了基于小波神经网络的并联式混合动力汽车实时控制策略,用以控制混合动力系统的转矩分配,以提高混合动力汽车燃油经济性。该策略采用一个小波神经网络控制器,结合瞬时优化控制策略得到的控制规则进行训练,实现对混合动力系统的实时控制。基于ADVISOR的仿真研究表明,该控制策略不仅能够保证车辆的燃油经济性,而且克服了瞬时优化控制策略难以实时控制的缺点。     

基于自适应直觉模糊推理的目标识别方法

将自适应神经网络--直觉模糊推理系统(adaptive neuro intuitionistic fuzzy inference system, ANIFIS)引入信息融合领域,提出一种基于自适应直觉模糊推理的目标识别方法。首先,分析了现有目标识别方法的特点与局限性,建立了基于ANIFIS的Takagi Sugeno型目标识别模型。其次,设计了系统变量属性函数和推理规则,确定了各层输入输出计算关系及合成计算表达式。再次,设计了学习算法对网络和规则进行训练修改。最后,以20批典型目标的类型识别为例,分析比较基于直觉模糊推理及ANIFIS推理的输出结果与识别精度。仿真结果表明该方法是一种比较实用、有效的决策融合方法.     

基于波动-均衡的员工工作行为定性模拟

为模拟员工工作行为，给企业管理者提供决蓑依据，提出波动-均衡规律：员工工作行为变化是一种受社会场引力和费用引力吸引的波动-均衡过程。根据该规律，对变量进行分类和表述，用因果关系图描述变量之间作用关系；用BP神经网络衡量社会场及费用引力；根据波动现象，设计状态变量的转换规则、过滤原理和模拟步骤。在示例应用中组合了不同环境和管理措施的实验方案，模拟结果表明，该方法能够正确地描述和预测员工工作行为的变化过程。     

基于结构自适应模糊神经网络的前列腺癌诊断方法

前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.     

多输入模糊神经网络及其应用

为了提高神经网络的训练速度和泛化能力 ,同时解决一般模糊神经网络由于输入增多而导致模糊规则膨胀的问题 ,提出了多输入模糊神经网络的结构和算法。此算法用取大取小运算部分代替网络的积和运算 ,同时提出一种获取重要规则的方法。最后将多输入模糊神经网络应用于建筑投标报价系统。仿真结果表明 ,本网络具有较快的训练速度和较高的泛化能力。     

基于合作规则的脉冲神经膜系统的小通用性

基于合作规则的脉冲神经膜系统是一类受神经元利用脉冲进行信息处理与通讯的生物功能启发得到的分布式并行计算模型的变体.在这类系统中,每个神经元具有相同有限数量的规则集合,且所有神经元中的集合用相同的标签进行标记,规则的集合称为组件.文中研究了基于合作规则的脉冲神经膜系统的小通用性:作为产生数的装置,构造了一个需要6个神经元的通用脉冲神经膜系统,这个结果回答了Metta等提出的一个公开问题。