基于谱约简的变结构模糊神经网络

在先验知识不完备和不确定的情况下,针对海量数据造成的冗余和互斥,模糊神经网络结构变得复杂化且不能很快逼近和分类输出对象的情况,提出了一种基于高阶谱规则约简的变结构模糊神经网络模型。相同结论属性的模糊规则的条件属性值,可以被认为是由若干个谐波组成的平稳信号,并且此信号可以采用高阶谱分析来估计其谐波成分,规则的最小约简集与谐波对应。在完成了谐波估计后,神经网络结构和连接权值发生改变,神经网络的性能也得到优化。最后给出了此模型在航迹融合中应用的一个例子,得到了较好的结果。     

基于自适应模糊神经元网络的电力短期负荷预测

利用模糊神经元网络（ＦＮＮ）进行电力短期负荷预测．给出了模糊神经元网络结构和部分输入变量的模糊化．ＦＮＮ采用ＬＭＳ（Ｌｅａｓｔ－Ｍｅａｎ－Ｓｑｕａｒｅ）算法，并用历史负荷数据进行训练．一经训练，网络就能应用于在线负荷预测．在预测过程中，权值按最近的负荷行为自适应调整．测试结果表明，该方法具有较好的精度和较快的速度．     

基于区间值推理的模糊神经网络

在区间值模糊推理的理论基础上,提出了基于区间值推理的模糊神经网络。主要是将模糊逻辑规则利用神经网络来实现,给出了基于IVFR的FNN的结构以及通过两个模糊集的贴近度作为误差反馈的学习算法。     

不同教育层次对人力资本的贡献

在潜在人力资本与实际人力资本的基础上,分析出教育、在职培训等因素与人力资本之间存在着一个“黑箱”。通过模糊神经网络映射,计算了我国不同科技发展水平三类地区的四级教育(小学以下、初中、高中、大专以上)对人力资本的贡献。结果表明:三类地区贡献差异明显;并非所有教育都能对实际人力资本产生积极作用,在一些地区低级教育可能会产生消极作用;同时,非教育因素积极作用较为显著。     

随机模糊神经网络在公司收益预测中的应用

系统介绍了随机模糊神经网络(SFNN)并将其用于上市公司每股收益的分类和预测，以解决—般的预测方法没有考虑到输入输出数据含有“噪声”的现实问题。文中选取了300家当前正在上海或深圳证券交易所上市的公司作为样本，用随机模糊神经网络对其每股收益的分类和预测进行了仿真研究，并将仿真结果与用模糊神经网络(FNN)的仿真结果进行了对比，结果显示用随机模糊神经网络的仿真效果较好。这对于投资者合理把握投资机会，正确投资以获得更高的收益有着一定的现实意义。     

一种可求逆的模糊神经网络模型及其在热轧产品中应用

提出了一种新的模糊神经网络及其学习算法.利用这种模糊神经网络模型,由非线性函数的输出值可以方便地求出输入向量的某一区域,使得对此区域中的每一向量,非线性函数的输出与模糊神经网络的输出值之差可以达到任意要求的精度.将这种模糊神经网络用于热轧产品的质量控制,获得了好的效果.     

基于模糊神经网络的空间数据挖掘方法研究

本文针对庞大空间数据集性质复杂且非线性、持续性及噪音普遍存在的情况，提出利用模糊神经网络模型进行空间数据挖掘，并具体讲述其挖掘步骤及发现知识的类型。     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.     

A Fuzzy Neural Network Model of Linguistic Dynamic Systems Based on Computing with Words

Linguistic dynamic systems (LDS) are dynamic processes involving computing with words (CW) for modeling and analysis of complex systems. In this paper,a fuzzy neural network (FNN) structure of LDS was proposed. In addition,an improved nonlinear particle swarm optimization was employed for training FNN. The experiment results on logistics formulation demonstrates the feasibility and the efficiency of this FNN model.     

基于模糊神经网络的产品可装配性评判

针对产品装配信息量大、影响因素复杂、许多参数依赖人的判断和推理等特点,以及多数现行评判方法存在的不足,提出了基于模糊神经网络的产品可装配性评判方法·该方法依据产品装配特征的类型,先构建产品可装配性信息数据库,再通过将常规的三层BP网络模糊化处理,得到输入和权值均已模糊化的产品可装配性模糊神经网络模型·按照预置的网络训练规则进行训练,获得最佳连接权值·经实例检验,证明这种模糊神经网络模型用于产品可装配性评判是可行的,且具有很好的稳定性·