自底向上粗集神经网络建模方法

提出了一种基于自底向上方式构造模糊粗糙数据模型并实现粗集神经网络建模的方法,该方法通过自适应G-K聚类算法,实现输入论域空间的模糊划分,在基于聚类数和约简属性搜索的基础上,提取优化的模糊粗糙数据模型,在此基础上融合神经网络实现粗集神经网络建模.对Brodatz纹理图像的实验表明,该方法性能优于传统的贝叶斯和LVQ方法,和传统的粗逻辑神经网络RLNN相比,该方法建立的神经网络结构精简,收敛速度快,具有更强的泛化能力.     

基于BP神经网络的村镇银行信用风险预警模型的构建

随着农村金融政策的调整,大量的村镇银行成立。在我国由于农村经济薄弱、贷款客户复杂、金融服务不佳,存在的信用风险相当严重。为了降低村镇银行信贷风险,提升农村金融水平,有必要对信用风险进行研究。通过建立信贷风险预警模型,可以改善贷款决策质量,为贷款决策提供参考依据和技术支持。本文建立了基于BP神经网络的村镇银行信用风险预警模型,为村镇银行信用贷款的决策提供了可靠的科学依据。     

变精度单向S-粗集

提出基于副集的单向S-粗集,变精度单向S-粗集;给出基于副集的单向S-粗集,变精度单向S-粗集的数学结构,变精度单向S-粗集的存在背景和意义解释.变精度单向S-粗集是对单向S-粗集理论的完善和发展.     

变精度广义双向s-粗集模型

本文通过对基于双向s-粗集和一般二元关系R所提出的广义双向s-粗集的分析,提出了变精度广义双向s-粗集,定义了广义双向s-粗集中的多数包含关系,借助引入误差参数α（0≤α〈0．5）,给出了变精度广义s-粗集模型及其有关性质定理．通过实例分析并验证了动态系统中由于属性集合的动态迁移特性与变精度参数变化所产生的广义s-粗集的上、下近似,边界和分类近似精度的变化关系．     

单向IS-粗集及其相对精度

在S-粗集的基础上,提出IS-粗集（improper singular rough sets）的概念,给出单向IS-粗集的数学结构．并讨论了单向IS-粗集的近似精度及相对精度．     

S-粗集的副集η-嵌入粒度

提出单向副集AS(X°)的η-嵌入集的粒度、双向副集AS(X )的μΔγ-嵌入集的粒度等概念;提出单向副集AS(X°)的η-嵌入集的粒度特性定理,双向副集AS(X )的μΔγ-嵌入集的粒度特性定理.     

基于粗集理论不完备数据的改进算法

由于经典的粗糙集理论不能处理原始数据中的遗漏信息,需要对这些数据进行补齐才能用于知识获取.因此数据预处理在粗糙集理论应用中非常重要的一环,其结果将直接影响到粗糙集理论应用的效率、准确度.所以有关基于粗集理论的数据挖掘中数据预处理的方法研究具有非常重要的意义.本文分析了当前主要数据补齐算法的特点和不足,并针对已有的基于粗糙集理论的不完备系统补齐算法ROUSTIDA的缺陷,提出了改进的数据补齐算法,使更多的缺损数据得到填补,尽量避免可能导致的决策规则矛盾问题.     

粗集的性质

在粗集中引入秩函数的概念,研究了秩函数的性质,并给出了粗集的秩函数公理系统;证明了由粗集中可定义集构成的格是一个几何格.     

基于粗集的决策规则生成算法应用研究

在粗集理论的基本概念及知识表达系统定义的基础上,利用粗集方法进行决策分析,并以粗集理论在成绩决策中的应用为例,给出了基于粗集的决策规则生成算法.     

S-分布时滞静态神经网络模型的不变集和吸引集

用非负矩阵和微分不等式技巧研究了一类S-分布时滞静态神经网络模型的不变集和吸引集,给出不变集和吸引集的空间位置,并且用不变集和吸引集给出了对吸引子存在范围的估计以及平衡点是全局吸引子的充分条件.     

具有区间数的粗糙神经网络故障认定方法

针对具有区间数的信息系统．提出用粗糙神经网络求解其问题的方法．给出了粗糙神经网络的拓朴结构和学习算法以及粗糙神经网络的逼近定理．最后以歼击机的操纵面故障认定为例，构造了歼击机故障认定的粗糙神经网络．并通过仿真说明了方法的可行性和有效性．     

基于相近关系的粗糙因子神经网络的模式识别方法

针对经典粗糙集理论中的不可分辨关系对连续属性值中噪声数据缺乏容错性的情况,提出一种基于个体属性值距离的相近关系,定义了相近关系下的粗糙集理论的基本概念.在相近关系的基础上,提出了衡量粗糙隶属度的方法,研究了该隶属度函数的性质,利用该函数作为粗糙因子设计了粗糙因子神经网络,可减小噪声污染的影响,并使网络的收敛速度得到提高.最后,通过对某型歼击机操纵面故障的模式识别的仿真研究验证了文中方法的正确性和有效性.     

基于投影神经网络求解凸规划问题的二分法

将投影梯度神经网络方法和二分法相结合,提出了一种求解凸规划的新算法,并证明了该算法的收敛性.     

基于粗糙集神经网络的铁路滚动轴承故障诊断

神经网络技术在故障诊断应用非常广泛,但仍存在需要改进的缺陷;粗糙集理论具有处理不完整和冗余样本数据的优点;用粗糙集优化的神经网络能有效克服其缺陷、提高故障诊断的可靠性,通过对铁路滚动轴承故障诊断的实际应用与分析验证了优化神经网络的正确性和良好的应用前景.     

脉冲电镀电源的一种神经网络控制方法

提出了一种用于脉冲电镀电源的神经网络控制器,并对脉冲变压器建立了数学模型.通过对整个电源系统进行仿真、实验,表明这种给予动态BP神经网络的控制器可以提高控制精度,并且对非线性.时变电镀负载有较强的适应能力.     

基于模糊粗糙神经网络的交通流研究

交通流预测是实现道路交通科学管理的重要内容,文章概述了模糊粗糙神经网络的基本原理,通过模糊粗糙隶属函数建立了基于模糊粗糙神经网络的交通流控制模型,设计了两级协调模糊控制器,结合模糊控制理论和神经网络各自的优点,构造了模糊粗糙神经网络.通过实践结果证明,该算法精度高,学习速度快,适应能力强,对实时交通流预测有一定的指导意义.     

一种基于神经网络辨识的预测方法

针对时变的非线性系统,将传统的预测控制与神经网络逼近任意非线性函数的能力相结合,提出一种基于神经网络辨识的预测方法.同时选用含有调整参数的双曲正切函数作为节点的激活函数,弥补由于未考虑激活函数的输出值域、影响神经网络辨识精度和速度不足的问题.仿真结果表明,它适用于无滞后和有滞后的时变非线性系统,辨识收敛速度快、精度高,并具有较强的自适应性和鲁棒性.     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

DC/DC变换器的一种神经网络控制方法

为了消除Buck—Boosl变换器为代表的DC／DC（直流，直流）变换器最小相位性质的影响．对其输出电压进行控制，分析模型特性．采用非线性反馈控制电流内环．用RBF（径向基函数）神经网络设计了神经网络控制器控制输出电压外环，分析了系统的稳定性．仿真结果表明．提出的控制器动、静态性能很好．对变换器中元件参数的变化和负载电阻的扰动有较好的鲁棒性．     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.