FNN在火灾探测系统中的应用

尝试将模糊神经网络(FNN)应用到消防系统中,利用FNN对火灾信号进行处理,使其不仅能有效降低消防系统的漏报警、误报警率,而且还可以适应各种不同的环境和工作条件,从而真正实现消防系统的自适应。该方法结合了神经网络和模糊逻辑的优点,弥补不足,优势互补,具有很大的优越性。将此算法转化为C语言代码应用到测试系统中,系统在降低误报警、漏报警方面有着明显改善。     

基于神经网络的交通状态模糊判别方法

针对交通流的特点,建立了基于神经网络的交通状态模糊判别方法.综合考虑检测器采集的流量、速度和占有率信息,采用三个模糊规则进行推理,利用具有模糊输出的BP神经网络对交通状态进行评价.利用虎门连升路采集的交通信息对算法进行了验证.研究表明,该方法具有较强的自学习、自组织和自适应能力,不仅可以确定交通的状态,而且可以识别出属于该状态的程度,使判别结果更加具体,为交通状态的判别提供了一种新思路.     

AFSs-RBF神经网络模型在轻亚黏土地震液化判别中应用研究

以自适应模糊系统AFSs为基础,运用径向基高斯函数RBF所建立的AFSs-RBF神经网络模型能够同时容纳模糊系统的推理功能和自适应性,动态调节隐节点数即模糊规则教,具有广泛的适用性.将这种模型应用于轻亚黏土地震液化评价中,选择震中距、上覆有效应力、黏粒含量、标贯击数、地下水位、循环应力比等6个与地震和场地条件有关的影响因子作为网络输入参数,对于轻亚黏土场地的液化势判别具体地建立了模糊神经网络模型AFSs-RBF.以唐山7.8级地震中天津某地区的轻亚黏土液化数据为训练样本,经验证和应用表明,这种AFSs-RBF网络具备更高的自适应性和非线性映射能力.     

SOFM与BP神经网络在矿井水源判别中的应用

介绍了SOFM神经网络与BP神经网络,以李咀孜煤矿为例,分别利用SOFM网络与BP网络,针对地下水化学特征分别建立突水判别模型,实例结果表明:SOFM网络模型比BP网络模型具有更高的判别精度,更快的运算速度,更好的反应地下水系统特性,为矿井水害防治提供了一种辅助决策手段。     

心率变异性检测系统的研究

以１６位单片机８０９８作为核心处理芯片，采用宏汇编语言编写程序软件，设计并制作了一台短时心率变异性测定仪．在其数学处理过程中，应用了混沌理论和小波变换技术．该测定仪具有体积小、重量轻、集成度高、抗干扰能力强、稳定性好及安全可靠等特点．它完全可以替代国外同类产品而用于临床检测     

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。     

模糊数学在某段公路膨胀土分类判别中的应用

对膨胀土的判别与分类方法较多,但都存在着一定的缺陷,对工程实践存在着不良的影响.模糊数学模型自建立以来,在自然科学的很多领域中得到了广泛的应用并取得了显著的成效.在宜黄公路施工中运用模糊数学模型对膨胀土进行分类判别,成功地解决了江宜段膨胀土处理和利用问题,使该段土工工程能正常施工和使用,取得了较为理想的效果.     

模糊C-均值聚类算法在心率变异诊断中的应用研究

对健康和心律异常的心电信号进行分析,经小波分解之后的心电信号实现R波的准确定位,提取心率变异性这一特征参数的5项指标.根据心率正常和异常体现在特征参数上的差异,用模糊C均值聚类算法得到心率变异的病症模式,并与正常心电数据进行比较.结果表明,心率变异特性具有明显的可分性,基于模糊C均值聚类算法可以得到较好的结果.     

心率在运动训练中的应用研究

心率是反映体内代谢情况的一个非常灵敏的生理指标,它以实用、简便等特点在运动实践中充当着一个非常重要的角色。本文对运动实践中心率指标的应用特点进行了论述,阐明了心率在运动训练的选材、负荷控制、训练方法、医务监督等方面均有着重要的应用价值,为科学指导运动训练提供理论依据。     

心率在运动训练监控中的运用

心率是反映体内代谢的较灵敏生理指标,以其实用性、及时性、易测性、无创伤等特点广泛运用于运动训练实践,它综合反应运动时体内生理状况、训练和比赛过程中实时运动强度.就心率监测在运动训练过程中的运用方法等进行阐述,并对影响运动心率测定结果的主要因素进行了分析.     

基于模糊神经网络的炼钢炉静态建模

根据炼钢转炉的采集数据,利用１种新型模糊神经网络（ＦＮＮ）,对其进行了静态建模,从理论上论证了该ＦＮＮ的推理及非线性逼近能力。用新建模型对钢水终点温度,终点含碳量进行计算,其结果与相应的实测值基本一致。     

前向神经网络实现的插值算法

Matlab提供的调用函数在实现函数插值时,其思路是定义目标指数并用其负梯度方向作为网络权值和偏置的调整依据。网络在使用前需输入大量样本数据,占用相当多的时间来训练之。提出以前向神经网络(FNN)结构构建一种定权值的网络,其网络层间权值依据插值函数的特点可预先设定,隐层数及隐层神经元节点个数则根据问题的要求予以确定。该网络无需训练,通过一次运算得出结果。仿真结果显示:该网络实现的插值函数可得到比较满意的结果。     

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·     

基于径向基函数概率神经网络的心律失常自动识别

讨论了基于径向基函数（ＲＢＦ）的概率神经网络的基本网络结构和网络的学习和运行过程,并且与ＢＰ算法的径向基神经网络进行了对比,同时也测试了网络的容错能力,结果表明,基于ＲＢＦ的概率神经网络,学习速度大大提高,同时减小了ＢＰ陷入局部极小的问题,有一定的抗噪声能力,基于ＲＢＦ的概率神经网络模型在心律失常自动识别中获得了很好的应用。     

多端统一潮流控制器的研究

构建了二端统一潮流控制器（T-UPFC）的动态模型,该模型充分考虑了T-UPFC内部的调节过程,计及了TUPFC逆变器的调制过程以及直流电容的充放电过程。将模糊神经网络（FNN)应用于T-UPFC的控制设计。系统仿真表明了在频率波动较大情况下,所设计的T-UPFC性能优越,能有效、快速地抑制系统后续摆的振荡,从而提高了系统的动态稳定性。     

基于模糊神经网络的瓦斯爆炸危险性评价模型

煤矿瓦斯爆炸事故的复杂性和随机性决定了煤矿瓦斯爆炸重大危险源的变化不会按照某一特定的规律或函数变化.模糊神经网络具有较强的非线性函数逼近能力和较强的自学习、自适应和联想能力.通过简化易燃、易爆、有毒重大危险源评价模型,确定了网络的输入参数,应用模糊神经网络对各参数之间的关系进行计算,验算结果表明:该网络模型在评价煤矿瓦斯爆炸危险性方面效果良好.     

模糊神经网络结构动态学习算法

提出了一种模糊神经网络（ＦＮＮ）结构学习算法,根据输入样本动态构建ＦＮＮ的输入节点及其对应的输入隶属函数,从而实现动态确定ＦＮＮ的结构,大大减少了对初始学习本本数目的要求,提出了ＦＮＮ学习算法在实时控制中的适应能力,仿真结果表明,这一算法很好地实现了对超出初始学习样本范围的其他样本的学习。     

基于组合神经网络和模糊聚类的话者分类

基于话者分类的自适应语音识别是实现非限定人、大字表语音识别的一种很有前途的有效方法．本文设计了一种用于话者分类的主从式组合神经网络，以神经预测模型作为从网络，可以从短语音（一个音节，约０．３秒）中有效地提取、规正和压缩话者个人性信息；主网络采用具有很强聚类功能的自组织特征映射网络．针对话者个人性信息的模糊性，提出了模糊系统聚类算法和双类心聚类算法．实验验证了组合神经网络对于话者分类的有效性以及模糊聚类算法对不同文本的语音样本具有较好的适应性     

模糊神经网络观测器在变压器状态监控中的应用

把模糊集合理论与神经网络技术相结合设计模糊神经网络观测器，并对变压器运行状态进行动态监控。基于神经网络技术克服了模糊规则产生对专家的依赖性及模糊集的非自适应性的问题，隶属函数的自适应及模糊规则的自组织通过神经网络的自学习和竞争获得。该方法实现了变压器运行状态监控中模糊规则的自动确定和隶属函数的动态调节，通过实例分析验证了该方法的有效性和实用性。     

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.