首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 312 毫秒

1.  基于遗传算法的模糊神经网络智能控制器及其应用  被引次数:3
   程启明  陈熙源  万德钧《系统工程与电子技术》,1999年第21卷第8期
   提出了一种基于遗传算法的模糊网络控制系统,该系统采用模糊神经网络结构实现,它用遗传算法优化具有全局性的隶属函数参数,而用BP算法调节和优化具有局部性的网络权值参数。仿真结果表明该控制器可大大提高模糊神经推理控制系统的自学习性和鲁棒性。    

2.  基于自适应遗传模糊神经网络的信用评估建模  
   熊志斌《系统仿真学报》,2011年第23卷第3期
   提出了一种自适应遗传模糊神经网络评估信用风险的模型,该模型在多子群遗传算法基础上,采用带控制参数的动态概率选择与最优保存策略相结合的混合选择策略,根据种群适应度标准差大小动态调整交叉和变异概率,并将BP算子嵌入遗传算法中,构建了多子群自适应遗传BP算法,并利用该算法优化网络的连接权值和模糊参数。将所建模型应用到信用评估中,并与BP神经网络、ANFIS以及遗传神经网络模型预测效果进行比较,结果表明该模型对信用评估具有更好的泛化能力和更高的预测准确度。    

3.  基于遗传算法优化的RBF网络在自校正控制中的应用研究  
   杨建华  郎宝华《延安大学学报(自然科学版)》,2009年第28卷第3期
   针对RBF神经网络参数难以确定的情况,采用遗传算法对RBF神经网络的隐层中心值和宽度进行了优化,用递推最小二乘法训练隐层和输出层之间的权值。给出一种基于优化的RBF神经网络的自校正控制算法,利用神经网络的非线性函数映射能力,使其充当未知系统函数逼近器。仿真结果表明了所给算法的有效性。    

4.  基于LM算法的相关模糊神经网络及其应用  
   姚 丽《科学技术与工程》,2017年第17卷第11期
   针对输入变量相关性较高的非线性建模模型,经典模糊神经网络算法存在收敛速度缓慢、模糊规则数大、陷入局部最小值的问题,本文提出一种基于LM算法的相关模糊神经网络模型。该模型基于聚类思想,构建多变量高斯模糊隶属度函数,将其表示为不可分离的模糊关系来处理相关变量模型,再采用LM优化算法通过Hessian矩阵和一阶梯度向量同时调整网络参数,并引入Cholesky定理缩减网络参数个数。应用LM算法的模糊神经网络模型实验结果表明,本文方法可以加快收敛速度,减少模糊规则数,比经典的模糊神经网络有更好的预测精度。    

5.  模糊系统的一种结构设计方法及经济系统应用  
   周辉仁  郑丕谔  王海龙《系统工程理论与实践》,2008年第4卷第4期
   针对模糊系统的特点,根据输入-输出数据,应用递阶遗传算法设计.现有的模糊系统设计方法大多只能训练系统的模糊集的中心参数、高斯隶属度函数的系数、中心参数和扩展参数,系统的模糊规则得预先用某种方法确定.利用很好设计的递阶遗传算法能够把模糊系统的模糊规则数目和参数同时通过训练确定.利用该方法在非线性经济系统进行仿真,并与BP神经网络的预测结果进行比较,证明该模型的预测精确度是令人满意的,文中提出的方法是可行的.    

6.  一种基于模糊神经网络和遗传算法的智能PID控制器  
   阎树田  刘鹏军  苏玉瑞  乔伟峰《兰州理工大学学报》,2006年第32卷第4期
   常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.    

7.  GA优化的模糊神经网络在炉温控制中的应用  
   王华强  陈文博  顾金晨《合肥工业大学学报(自然科学版)》,2008年第31卷第1期
   文章提出了一种利用模糊推理系统、神经网络和遗传算法相结合的加热炉炉温控制模型;该模型利用神经网络构造模糊推理系统,利用遗传算法对神经网络的参数进行优化与训练,以完善系统的自学习和自适应能力;经仿真试验表明,该系统具有良好的控制效果.    

8.  思维进化算法优化模糊神经网络的变压器故障诊断  
   高金兰《科学技术与工程》,2011年第11卷第13期
   提出一种基于思维进化算法的模糊神经网络变压器故障诊断方法。该方法利用思维进化算法中的趋同和异化操作,对模糊神经网络中输入变量的隶属度函数位置参数和宽度参数以及神经网络的连接权值进行全局优化,可有效地克服常规模糊神经网络BP算法收敛速度慢、精度不高和遗传算法训练模糊神经网络速度缓慢、易陷入局部极小等缺点,有利于更快地收敛于全局最优解。并将其应用到基于溶解气体分析的变压器故障诊断中,实例表明,采用该方法具有较快的收敛速度和较高的诊断准确度,说明了该方法的正确性和有效性。    

9.  基于遗传算法的模糊神经控制器的设计与仿真  
   师宁 侯国强《河北理工学院学报》,2007年第29卷第3期
   根据遗传算法和智能控制的特点,提出了一种基于遗传算法的模糊神经网络控制器,遗传算法主要优化模糊神经控制器的隶属度参数和第三层的网络节点。对优化后的控制器进行了仿真比较研究.仿真结果表明,该控制器有较好的控制性能。    

10.  基于遗传算法的模糊神经控制器的设计与仿真  被引次数:1
   师宁  侯国强《河北理工大学学报(自然科学版)》,2007年第29卷第3期
   根据遗传算法和智能控制的特点,提出了一种基于遗传算法的模糊神经网络控制器,遗传算法主要优化模糊神经控制器的隶属度参数和第三层的网络节点.对优化后的控制器进行了仿真比较研究.仿真结果表明,该控制器有较好的控制性能.    

11.  高速路入口匝道的模糊神经网络自适应协调控制  
   徐进学  于双和  徐丽君《东南大学学报(自然科学版)》,2009年第Z1期
   为了实现高速公路多路段入口匝道的协调控制,提出了一种基于模糊神经网络的自适应协调控制方法.该方法首先利用模糊规则实现了相邻路段间交通状态的协调,并对匝道排队进行调节,使其不超过最大排队长度.然后,在神经网络权值优化过程中,采用遗传算法对隶属度函数进行优化,避免算法收敛于局部最优解.该方法具有不依赖于系统的精确模型、控制算法能自适应外界变化、可实现多路段间协调控制等优点.仿真结果表明,该方法对3个路段的高速公路入口匝道能够较好地实现自适应协调控制;与经典的ALINEA方法相比,优化速度更快,在抑制交通密度波动和排队长度增长方面效果更好,对道路容量的利用也更加充分.    

12.  基于模糊系统优化的软测量建模  被引次数:1
   马铭  孟庆锴  张利彪《辽宁工程技术大学学报(自然科学版)》,2010年第29卷第5期
   为了解决模糊系统优化问题,提高全局优化能力,在模糊加权神经网络和微粒群算法的基础上,提出了一种基于微粒群算法的模糊神经网络优化算法.该算法可以同时对模糊加权神经网络的网络结构和权值参数进行优化,对实际问题可以自动生成较好的模糊神经网络模型.经过实验分析和计算,证明这种算法在解决模糊系统优化问题上表现了良好的性能,应用该算法可以有效地解决软测量问题.该结果对工业过程中的软测量建模提供了良好的参考价值.    

13.  基于ANFIS的DMFC温度建模和改进模糊控制  
   戚志东《南京理工大学学报(自然科学版)》,2008年第32卷第6期
   针对直接甲醇燃料电池(DMFC)的实时控制要求,采用自适应神经模糊推理系统(ANFIS)对DMFC系统的工作温度进行建模与控制.基于实验数据建立DMFC电堆温度模型,避免了DMFC电堆的内部复杂性分析.以训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法(FGA)在线对神经模糊控制器的参数和模糊规则进行自适应调整.将所提出的算法与非线性PID和传统模糊算法进行实验比较,结果表明所设计的神经模糊控制器具有较好的性能.    

14.  基于遗传算法的模糊优选神经网络路面性能评价模型  被引次数:1
   刘艳  康海贵  孙敏《大连理工大学学报》,2010年第50卷第1期
   针对现有路面性能评价方法的不足,在模糊优选神经网络模型的基础上,引入遗传算法,建立了基于遗传算法的模糊优选神经网络的路面使用性能评价模型.该算法采用遗传算法优化神经网络权值,再用神经网络对遗传算法搜索到的近似最优解进行微调,并将模糊优选模型作为神经网络的激励函数,使模型具有明确的物理意义.应用该模型对沈大高速公路部分路段进行评价,与其他模型的对比分析表明:该方法在评价精度和效率方面取得了良好的效果,是一种实用的高速公路路面性能评价方法.    

15.  轮式机器人遗传模糊神经网络转向控制  被引次数:4
   高峻峣  陆际联《北京理工大学学报》,2003年第23卷第2期
   针对数学模型复杂的轮式机器人的转向控制问题,使用基于遗传算法的模糊神经网络转向控制方法.首先建立车辆的神经网络模型,然后构造模糊神经网络控制器,再用遗传算法寻找模糊神经网络控制器的参数,最后提高控制器对速度变化的适应性.仿真表明,该方法可以对机器人的转向进行有效控制,效果良好,能适应各种不同速度变化,是一种有实用意义的控制方法.    

16.  一种换热器网络优化新方法  
   张俊华  应启戛  黄为民  张雯《上海理工大学学报》,2000年第22卷第3期
   基于遗传算法和神经网络的多层感知器模型的有机结合,提出一种优化换热器网络的新算法和一种新的编码方法-基因矩阵,这种算法根据遗传适应度(目标函数)的大小,以随机搜索方式寻找在求解区域的最优解,采用神经网络多层感知器模型实现换热器网络的结构优化和参数变化。经过遗传-感知模型优化并与外逼近算法做了比较,表明采用此法优化多维、多峰、非凸的换热器网络也具有很好的适应性。    

17.  基于混合学习算法的模糊小波神经网络控制  被引次数:7
   彭金柱  王耀南  孙炜《湖南大学学报(自然科学版)》,2006年第33卷第2期
   采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.    

18.  基于T-S模糊模型的RBF网络的自适应学习算法  被引次数:7
   李战明  王君  康爱红《兰州理工大学学报》,2004年第30卷第2期
   针对多维模糊推理中的推理规则庞大和参数难辨识的问题,提出一种基于T-S模糊模型的RBF神经网络的自适应学习算法.该算法不仅能动态调节T-S型模糊RBF网络的隐节点数,还能使网络的数据中心值自适应变化,有较好的自学习能力和优化能力.仿真结果验证了该算法是有效和可行的,表明此T-S型模糊RBF网络不仅可以快速逼近任意多变量非线性函数,而且具有良好的自适应能力.    

19.  自适应DNA免疫算法在化工软测量中的应用  被引次数:1
   许光泞  俞金寿《华东理工大学学报(自然科学版)》,2009年第35卷第1期
   将T-S模糊模型与RBF神经网络相结合,构成T-S模糊RBF神经网络,提出了一种自适应DNA免疫算法优化设计T-S模糊RBF神经网络的规则后件参数的方法。该方法采用基于抗体浓度和克隆选择的更新策略调节机制,能有效地保持抗体的多样性,避免早熟收敛。将该方法应用于延迟焦化汽油干点的软测量建模,仿真结果表明了DNA免疫遗传算法在T-S模糊神经网络系统优化设计中的有效性,并可获得较高精度的模型。    

20.  递阶结构进化神经网络在故障诊断中的应用  被引次数:3
   陈真勇  何永勇  褚福磊  黄靖远《清华大学学报(自然科学版)》,2002年第42卷第6期
   主要研究进化神经网络在旋转机械故障诊断中的应用 ,提出了一种基于递阶结构的遗传算法与进化规划相结合的神经网络学习新算法 ,利用该算法可以同时对网络进行结构优化和权重求解。通过旋转机械故障分类应用实例 ,与传统的 BP训练算法作了比较 ,证明基于递阶结构的进化神经网络算法不仅在权重训练方面比传统 BP训练算法更加快速稳定 ,避免陷入局部极小点 ,而且同时对网络结构进行了优化 ,得到了结构更为简捷的旋转机械故障分类网络    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号