基于模糊神经网络及Agent控制器的网络路由数值调整研究

基于典型多输入、单输出模糊控制系统,建立了基于模糊控制系统的神经网络(FNN)模型,并根据Agent网络控制系统的特点设计了基于模糊神经网(FNN)的Agent控制器,对Agent网络管理系统的网络权值进行了动态调整研究.研究结果表明,采用基于FNN的Agent控制器可对Agent网管系统的网络权值进行动态调整,进而可实现大型复杂网络系统中A-gent的最优动态路由序列的计算.     

适用于励磁系统建模的模糊神经网络方法

基于原有励磁建模方法,将模糊理论和神经网络相结合,充分利用模糊理论处理不精确问题和神经网络较强的泛化能力等优势,形成一种模糊神经网络(FNN),并推导了FNN的学习算法.将此FNN用于发电机的控制环节——励磁系统建模.仿真结果显示,FNN模型能够较精确地对实际系统进行拟合.     

基于顾客群体语言评价信息的服务质量评价方法

针对多个相同类型的服务方案或项目的服务质量评价问题,给出了一种基于顾客群体语言评价信息的服务质量评价方法.首先通过调查问卷方式获取顾客针对服务方案的语言评价信息,并将其转化成梯形模糊数;然后计算出各指标的平均权重、服务方案在各指标下的平均服务感知绩效以及每个指标下所有顾客的平均服务期望;进一步地,运用模糊加权平均算子计算各服务方案的服务质量评价值,同时计算其与每个语言短语所对应的梯形模糊数之间的相似度,从而确定各服务方案的服务质量等级,而对于服务质量等级相同的服务方案,通过计算其非模糊价值量来比较服务方案间的优劣.最后,通过一个算例说明了所提方法的有效性和实用性.     

高层建筑火灾风险的神经网络评价

通过对模糊综合评价和人工神经网络评价进行分析比较,表明神经网络采用非线性转换函数的处理方法更符合火灾风险评价的非线性特性。针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出运用遗传算法克服神经网络的这种缺陷,在此基础上建立了基于遗传算法和神经网络的建筑火灾风险评价模型。研究实例证明了此模型的可行性。图1,表3,参11。     

基于AIC方法的切换神经网络模型设计

将切换系统设计中的切换思想与神经网络相结合,构建了切换神经网络模型.根据模糊C均值（FCM）聚类方法将样本数据分为多组训练数据,每组数据对应训练一个单一神经网络模型,再利用赤池信息准则（AIC）制定相应的切换规则.根据输入数据特性,选择单一网络或多网络组合的输出作为模型输出,从而达到函数逼近目的.本模型更好地利用了各个子网络在特定区域具有较高逼近精度的特点.仿真结果表明,切换神经网络模型有较高的逼近精度.     

基于FNN及DGA的变压器故障诊断系统研究

本文在探讨研究了变压器故障类型与油中溶解气体的关系，分析了改良三比值法的原理、方法规则和优缺点的基础上，提出了基于FNN（模糊神经网络）及油中气体色谱分析法（DGA）的变压器故障诊断模型，实现了以模糊神经网络为基础的变压器故障诊断系统，实例表明该系统具有较好的诊断结果和工程应用价值。     

基于TS模型的智能洗衣机控制器的设计

以智能洗衣机为例,建立其相应的输入输出模型.结合模糊神经网络理论,设计基于TS模型的智能洗衣机控制器.该控制器模型既具有模糊系统易于表达基于规则知识的特点,又具有神经网络自学习和自适应能力.另外,其生成曲面的局部平滑度能得到很大的改善.     

基于LM算法的相关模糊神经网络及其应用

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。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,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。     

基于粒子群优化算法的船舶柴油机故障诊断

为了提高模糊神经网络收敛速度,克服容易陷入局部极值的不足,提出利用改进的动态加速常数协同惯性权重的WCPSO算法对网络参数进行优化。该算法通过对标准粒子群算法WPSO的改进,实现动态加速常数随进化代数线性变化,使被优化的网络收敛速度加快,不易陷入局部极值。将其应用于船舶柴油机模糊神经网络故障诊断模型中,仿真结果表明经过优化的故障诊断模型更为准确,提高了诊断速度。     

基于Kohonen网络-粗集-模糊神经网络获取模糊规则的集成方法

基于单一知识发现方法的不足提出了一种基于Kohonen网络、Rough Sets和FNN获取模糊规则的集成方法.首先用Kohonen网络进行数据量化,然后运用粗集理论产生初始规则,并根据所得的规则建立模糊神经网络模型,从而生成较少的精炼规则.最后通过实例仿真分析,验证了该方法的有效性和实用性,同时为获取模糊规则提供了新的思路.     

基于泛在网络环境的高校阅读推广研究方法与策略创新

在泛在网络环境下,随着网络平台多元化、信息多样化、服务智能化,针对阅读推广机构不健全、内容重复、宣传形式单一、缺乏统一的共享平台以及服务评价体系,高校图书馆应利用丰富文献资源、网络平台、社会平台优势,充分发挥教育和宣传职能,提高读者满意度、参与度与深入度,提高大学生思想素养和综合素质,推进全民阅读的进程。     

基于小生境免疫算法的船舶FNN自动舵设计

结合隔离小生境技术的特点和免疫遗传算法的全局收敛特性,提出一种基于小生境免疫遗传算法的模糊神经网络控制器优化设计方法,并将其用于船舶自动舵的设计.隔离小生境能有效解决局部和全局收敛的矛盾,可以解决船舶运动控制的FNN控制器难于设计以及传统BP学习算法易于陷入局部收敛的不足.将神经网络结构辨识器作为船舶的辨识模型,船舶运动模型采用二阶非线性方程,模糊神经网络控制器为主控制器,对船舶航向运动控制系统进行仿真研究.结果表明,在船舶无干扰和存在随机干扰的情况下,由此设计的船舶自动舵控制系统均能使船舶转向控制无超调,跟踪快,与BP学习算法相比控制效果更趋于为理想,可以进一步提高航行的性能.     

混沌动态模糊神经网络及变压器故障诊断的应用

提出一种结合动态模糊神经网络和混沌优化算法的故障诊断方法,将混沌变量引入模糊神经网络结构和参数的优化搜索.利用混沌优化的动态模糊神经网络建立变压器故障诊断模型,此模型不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可根据误差减少率进行修正.仿真结果表明,混沌动态模糊神经网络算法精度高、迭代步骤少、收敛快,对识别和预测变压器状态具有较高的精度和效率,并可方便有效地应用到其他领域.     

基于新常态公共服务下政府采购监管绩效研究

本文主要以新常态公共服务下政府采购监管绩效服务为研究对象,从预算制度不完善、缺少实操法规、无决算汇总、权责不清、未引入第三方服务等方面,追根溯源分析当前存在的原因和问题,探讨从绩效评估、评估体系、项目管理三个方面制定相应的可实操的运作办法和实用方法,并提出切实可行的建议措施,从而实现绩效问责机制。     

IT服务质量评价体系的研究

本文针对建立IT服务质量评价体系时,如何合理选择评价指标、建立服务质量评价模型以及选择合适的评价方法进行了研究。针对实际的IT运行维护服务建立IT服务质量评价体系,针对实际的服务情况进行评价。建立IT服务质量评价体系的过程中研究并选用了SERVQUAL服务评价模型和模糊层次分析法作为建立IT服务质量评价体系的理论支持。     

基于生态遗传算法的煤矸石自适应模糊模式识别

给出煤矸石组分模式识别的模糊神经网络模型，提出一种实用生态算子，同时将此基础上构建的生态遗传算法用于模糊神经网络的离线学习，能有效避免传统BP算法学习速度慢、易陷入局部极小的缺陷和基本遗传算法的遗传滑脱现象．仿真和实验结果显示新算法使离线训练的网络具有良好的收敛性能，而且从训练好的定量网络中提取模糊规则用于原煤的在线自动分选，不仅能提高煤中矸石的识别率，而且有效解决了系统识别精度与实时分选之间的矛盾．     

现代图书馆的服务原则与服务内容

在读者需求、读者行为、出版模式、信息技术、社会期望等一系列变化的环境下,图书馆服务呈现新的发展趋向。现代图书馆的服务原则除基本保障原则外,还有开放与共享、公平与平等、公益与免费、便利与高效、多样与满意、创新与发展。服务内容有文献服务、信息服务、知识服务、方法服务、文化服务、空间服务、智能服务、移动服务。     

模糊约束的网格服务流程编排方法及其性能评价

为解决具有不确定时间约束的网格服务流程编排问题,提出了一种基于模糊集的智能优化技术.建立了基于模糊集的服务时间模型,并对不确定的服务时间和用户期望完成时间进行形式化描述.该模型求解属于NP难题,因此在标准遗传算法(GA)中引入了自适应混沌控制策略.分析和模拟实验结果表明,混沌特性能引导GA快速收敛并避免局部最小解.根据改进的基于熵的性能评价策略,该方法的收敛速度和稳定性均优于标准GA.     

修正的解相关前馈神经网络盲均衡算法研究

针对基于传统梯度下降算法的前馈神经网络盲均衡在输入线性相关条件下收敛速度慢的问题,提出了一种修正解相关前馈神经网络盲均衡改进算法。对接收观测数据进行解相关处理,使梯度方向保持正交,同时,设定判断阈值,如果前馈神经网络输入相关系数大于阈值,说明输入向量强相关,保持梯度更新大小和方向不变,以克服强相关输入条件下解相关算法收敛停滞的问题。计算机仿真结果表明,文中提出的算法与基于直接梯度下降算法和传统解相关前馈神经网络盲均衡算法相比具有更快的收敛速度,有效提高了均衡性能。     

IGA-BP网络模型在高炉铁水硅含量预测中的应用

文章针对BP网络收敛速度慢和易于陷入极小值的问题,采用免疫遗传算法全局寻优和BP网络局部寻优相结合的方法,提高了BP网络的计算精度和收敛速度;应用IGA-BP网络模型对高炉铁水硅含量进行了预测,数值结果对比发现,该模型提高了预测精度的同时,迭代次数比一般BP网络模型也大大减少;仿真结果证明了方法的有效性。