一种模糊推理模型

建了一种新的模糊推理模型，并讨论了推理结果的模糊集估计，以及组合多个结果的模糊集方法。     

多变量模糊推理系统的神经网络实现

以双缸连通液面Ｆｕｚｚｙ控制系统为模型，研究了多变量Ｆｕｚｚｙ推理系统的神经元网络实现问题。这里主要考虑如下二个问题：（１）ＢＰ网络在语言环境下实现多变量Ｆｕｚｚｙ推理系统的有效性；（２）神经网络结构（隐层节点个数及输出层激发函数）对推理结果的影响。仿真结果表明，在语言环境下ＢＰ网络具有很强的近似推理能力，基于ＩＦ－ＴＨＥＮ的多变量Ｆｕｚｚｙ推理系统可由一个ＢＰ网络训练学习而加以实现，从而为有效的实现多变量复杂系统的Ｆｕｚｚｙ控制奠定了基础。     

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．     

改进的模糊推理方法

指出李凡的推理方法中存在的两个弱点，建立了一种改进的模糊推理方法，它可用于管理方面的模糊数据处理。     

一种改进的加权模糊推理方法

在模糊专家系统中,模糊推理方法的优劣是衡量系统性能好坏的关键指标.文章举例指出了文[1]中模糊推理方法的局限性,并且给出了改进的方法,并通过实例验证了改进方法的合理性.     

基于神经网络-模糊推理构建弹药贮存温度湿度监控系统

应用神经网络-模糊推理理论和可编程控制器技术,构建了基于WEB的弹药贮存温度湿度远程监控系统。系统可实现对环境和库房的温度、湿度的实时监控,实现了弹药管理的自动化和智能化,提高了弹药贮存的可靠性和经济效益。     

基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合．利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习．从而给出了基于神经网络的模糊推理预测模型。     

模糊推理和评判中的相关性问题

研究了模糊推理中证据的模糊相关性及其性质，定义了模糊相关性因子的概念，给出了一个处理证据相关性的方法。该方法已在作者设计的专家系统中获得应用。     

多重模糊推理情形下的CRIP法

该文对模糊专家系统，模糊决策支持系统和模糊控制系统中常用的Zadeh的模糊推理合成法则CRI进行了推广，基于V^λ算子，该文提出了多重模糊推理情形下的带参数的模糊推理合成法则（简称CRIP法），它克服了传统的CRI法则的若干不足之处，能在极弱条件下满足假言推理，拒取式推理，具有推理的逼近性，通过参数的调整，CRIP法具有推理的灵活性和准确性，该文给出了参数的具体取值方法。     

故障诊断知识获取的一种神经网络理论方法

基于神经网络的竞争学习机制,提出了一种新的基于神经网络专家系统的自动化生产过程监控的知识获取理论方法.这种理论方法在故障诊断的知识获取上是通过竞争学习机制来实现的,与以往人们一般较常采用的BP学习算法相比,具有算法简单、易于实现及无需教师进行监督等特点.利用此方法,经在一个铣削加工过程监控系统上进行仿真研究表明:这种理论方法是非常有效的.     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

基于模糊神经网络的压边力优化控制专家系统

说明了压边力优化控制模糊神经网络专家系统的总体结构框架及系统各模块的功能,对模糊神经元的选取、模糊神经网络的构造和模型神经推理机制进行了深入的阐述,针对板料拉深过程中的变量选取了模糊神经网络的输入输入参数。在板料拉深过程中,应用压边力优化控制模糊神经网络专家系统实现了冲压成形过程的智能化控制。     

改进的模糊Min-Max神经网络与模糊系统建模

应用改进的广义模糊Min—Max神经网络进行样本分类，并以此分类结果确定模糊系统所需的模糊规则数，再运用TSK模糊系统实现函数建模，该方法的优势在于，改进的广义模糊Min—Max神经网络具有较好的自适应分类能力，可用来初步确定模糊规则数和规则空间的划分。有效避免了模糊建模时常见的规则数选取之随意性，实验结果证明，该方法实用有效。     

模糊神经网络的发展

介绍了模糊神经网络及其提出,论述了模糊神经网络现状,探讨了模糊神经网络的不足与展望。     

基于自适应神经模糊网络的路面识别技术

以路面识别为目的,利用自适应神经模糊网络(ANFIS)进行路面不平度激励时域估测研究. 首先建立车辆1/4模型运动微分方程,并使用白噪声信号激励车辆模型,利用激励产生的模型动力学响应进行自适应神经模糊系统训练. 之后对训练获得的逆向车辆动力学模型进行分析并利用随机路面激励产生的系统响应进行随机路面时域估测. 最后对自适应神经模糊网络系统隶属函数个数及输入数据组合进行分析比较. 仿真结果显示,自适应模糊神经网络系统能够以较高的精度完成路面时域估测.      

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.     

基于矩形函数系的模糊神经网络及其应用

提出了一种基于矩形函数系的模糊神经网络，其特点是输入空间被划分为许多大小一致且互不相交的超立方体，而每一个超立方体中的模糊神经网络都具有常值输出，只有当一个超立方体内落入样本时，相应的样栈才被编码后作为“规则”记忆下来。因此，这种网络可以自动生成模糊规则，关于静态误差的定理表明，将这种网络用于一类非线笥系统的在线控制中，当输入空间的划分足够小时，可使非线性系统的静态误差任意小，仿真实全怨表明，将这     

基于模糊 ART-2 的神经网络火灾探测系统

提出将ＡＲＴ－２神经网络与模糊系统串联而成的模糊ＡＲＴ－２神经网络系统并用于火灾探测，使其对火灾信号具有很好的聚类特性．实验结果表明，该系统比ＢＰ神经网络火灾探测系统具有更强的适应环境的能力，能够更快、更准确地探测各种标准试验火并具有很强的抗干扰能力．     

模糊神经网络在信息系统安全评价中的应用

随着科技的发展信息系统也越来越复杂化,传统的方法已不能满足信息系统安全评价准确度的要求。为了能进一步提升信息系统安全评价的准确性,通过将模糊评价方法与BP神经网络方法相结合,提出了模糊神经网络综合评价方法。充分利用了模糊评价方法强的模糊性识别能力和BP神经网络的非线性处理能力,从而更为有效地对系统进行安全评价。实验结果验证了算法的有效性,并通过与模糊评价方法和BP神经网络方法进行对比验证了算法的优越性。