一种基于模糊推理的神经网络学习算法

提出了一种新的神经网络学习算法．相对于其他学习算法，该算法侧重于网络参数的调整，通过对样本集的模糊推理、调整和分类学习来实现自适应的神经网络学习．结果表明，该算法能大大提高神经网络的学习速度和学习效率，并能从样本集中得到反常样本和小概率事件样本，对小概率事件样本有很好的学习能力．     

基于区间值推理的粗糙模糊神经网络

将区间值与模糊推理相结合，在构造神经网络的过程中为了简化网络结构而将它们与Rough集中的知识约简相结合，从而提出了基于区间值推理的粗糙神经网络．     

GA优化的模糊神经网络在炉温控制中的应用

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.     

智能压路机压实模糊神经网络控制及仿真

将模糊系统与神经网络相结合,提出了一种由模糊化层、模糊推理层和清晰化层组成的模糊神经网络结构,并将其用于智能压路机压实控制.针对振动压路机的压实性能要求,采用钟型函数作为隶属度函数,通过计算规则重要度来提取模糊推理层规则群中比较重要的规则,运用补偿模糊神经网络的学习算法解决参数的自动调整问题.把工程实践中得出的模糊控制规则表作为训练模糊神经网络的样本,仿真结果表明该模糊神经网络控制器具有在误差限度范围内的泛化能力.     

基于模糊神经网络的产生式规则表示方法

以模糊推理为依据、以神经网络为手段阐述了产生式规则的模糊神经网络表示方法，设计了FNNKK网络来表示各类产生式规则知识，最后以实例论证了这种方法的可行性。     

基于神经网络的模糊控制

提出一种基于神经网络的模糊控制，其模糊化、模糊推理和模糊决策均由神经网络完成，并将用于模糊推理神经网络的输入节点由常规的２７个减少到１５个，减少了训练量。文末给出该模糊控制结构应用于典型环节的实时控制结果。     

模糊神经网络控制系统

介绍了将神经网络和模糊控制相结合,即用人工神经网络算法产生模糊推理规则和隶属函数,再基于这些模糊推理规则和隶属函数产生模糊逻辑控制的一种新颖控制策略--模糊神经网络系统的组织结构及其神经网络的设计.     

基于二级倒立摆的自适应神经网络模糊控制

针对二级倒立摆系统，提出了一种先进的智能控制策略．该种方法采用BP算法与梯度下降法结合的混合算法对Takagb-Sugeno模糊模型中的前项及后件参数进行优化修正，在已获得的客观输入输出数据对的基础上，提出一种基于自适应神经网络的模糊推理系统ANFIS来对倒立摆系统进行建模和控制．仿真结果表明，所提出的设计方法是正确的和可行的．     

基于自适应神经网络模糊推理系统的心电信号检测

心电信号是心血管疾病的重要诊断依据,探索新方法来处理心电信号对于医学诊疗具有重要的理论意义与实用价值。阐述了一种包含输入节点层、规则节点层、平均节点层、结论节点层和输出节点层的五层结构网络的自适应神经网络模糊推理系统(Adaptive neuro-fuzzy inference system,ANFIS),并提出了基于Sugeno模糊理论、最小二乘法和梯度下降法的混合自适应学习算法来训练ANFIS中的神经网络的参数,来提高ANFIS系统的收敛性能。为验证ANFIS系统在心电信号检测中的有效性,通过原始心电信号的实测数据中的第一路腹壁混合信号(CECG)和最后一路母体心电信号(MECG)进行了ANFIS的网络训练,基于训练结果对于腹壁混合信号进行了实验预测分析,实验结果表明自适应神经网络模糊推理系统在心电信号的分析与预测中十分有效。
     

模糊神经网络在陶瓷配料系统控制中的应用

将模糊控制和神经网络技术相结合 ,借助神经网络的学习能力和信息存储能力来实现模糊推理过程 ,并记忆和调整模糊规则 ,从而自动生成模糊控制规则 ,建立模糊神经网络。系统对模糊神经网络进行离线学习 ,将训练好的模糊神经网络用于在线控制 ,仿真结果表明 ,本文方法用于对陶瓷配料系统的控制 ,取得了无超调、无静差等令人满意的效果     

神经网络与模糊故障诊断专家系统结合的应用研究

讨论基于模糊产生式规则的故障诊断专家系统与神经网络相结合的问题,把推理网络同神经网络联系起来,使它能转换成神经网络。结论经实例验证,该方法可靠有效。利用神经网络的并行处理和自学习能力,能避免传统模糊推理的冲突,低效率和知识获取的瓶颈问题。     

一种模糊神经网络自校正控制器设计与应用

本文提出了一种模糊神经网络智能控制方法，并介绍了采用多层神经网络表达模糊控制和知识规则，模糊推理和学习算法，实验仿真结果表明，这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性质优于一般模糊控制。     

基于对象和规则的专家系统构造工具FRS

叙述了一个基于对象和规则的混合式专家系统构造工具,该系统使用框架、规则和人工神经网络等多种知识表示形式,采用模糊推理机制,运用正向、反向及正反向混合的推理形式,提供了非单调推理功能,形成了一个表达能力强、适用广泛的工具系统.本文着重时该系统的总体结构、模糊推理与人工神经网络的应用进行了论述.     

基于知识的模糊神经网络临床路径变异分析方法

探索了基于Mamdani、Takagi Sugeno模型的模糊神经网络，以及BP神经网络在临床路径控制中的应用.提出了基于知识的模糊神经网络临床路径变异分析方法，以骨肉瘤化疗临床路径肝中毒变异为例进行了实例验证.分析了几种方法的有效性以及各自的优缺点.结果表明，在处理临床路径变异方面，基于知识的模糊神经网络与标准的BP神经网络相比，具有明显的优越性.     

软计算及其新一代模糊控制器

介绍了软计算的概念及构成软计算的三个组成部分：模糊逻辑、神经网络和概率推理,并讨论了以软计算为基础的新一代模糊控制器．     

基于改进自适应神经模糊推理模型的 回流焊参数设定方法

复杂制造过程中,系统参数往往呈现动态、非线性特征,以回流焊过程为例,针对现有参数设定方法效率和精度不足的问题,提出了一种基于改进自适应神经模糊推理模型的在线参数设定方法.引入了神经网络预测器来增强模糊神经网络的自适应能力和非线性逼近能力,通过最近邻聚类算法对模糊规则的参数和结构进行调整和在线更新,以提高模糊推理的精度,增强系统的容错性和鲁棒性.以回流焊过程参数设定过程为背景,建立仿真实验.结果表明,所提出方法可有效实现非线性输入输出系统参数的快速及准确的设定.     

基于单率多点广播数据流的潜在瓶颈链路智能预报

针对单率多点广播数据流传送特点和要求,主要考察在自相似性数据流作用下缓存队列动态特性.运用模糊逻辑推理分析能力和神经网络学习泛化能力,通过引进补偿模糊算子,设计了一类在线无监督学习实时预报补偿模糊神经网络,提出了对单率多点广播数据流网络中潜在瓶颈链路的预报控制策略.并且设计了动态补偿因子,给出了动态补偿因子自适应调节律.仿真实验表明,基于单率多点广播数据流的层次广播树拓扑的潜在瓶颈链路进行智能预报方案是有效的.     

模糊超球质心聚类神经网络

基于人的大脑进行聚类分析所遵循的基本原则,提出了一种模糊超球质心聚类神经网络学习算法,该方法无需用户事先给定聚类个数K,通过神经网络自组织学习,可以正确识别聚类个数与聚类中心。实验结果表明,该算法是一种全新的聚类方法,具有学习时间短,稳定性强且不依赖于聚类样本的输入顺序等优点。     

基于自适应学习速率法的补偿模糊神经网络

为克服常规网络收敛速度慢、无法结合专家知识等缺点,引入补偿模糊神经元,结合模糊系统强大的知识表达能力和神经网络优秀的自学习能力,并利用自适应学习速率法动态地改变学习率.提出了一种新型的基于自适应学习速率法的补偿模糊神经网络,并将其应用到实际例子中.结果证明,它不仅能在线适当调整参数,还能动态地优化相应的模糊推理,加快训练速度.     

基于模糊Petri网的误用入侵检测方法

提出了基于模糊Petri网的误用入侵检测方法,并将类似于神经网络的学习引入模糊Petri网,以调整攻击知识模型参数. 理论分析表明,基于模糊Petri网的误用入侵检测系统具有更高的推理效率,能从环境中动态学习调整知识模型的相关参数,如阈值、权值、确信度. 仿真结果表明,在大多数情况下,学习调整后的知识模型能够提高误用检测系统的检测率.