一种基于T-模运算的模糊联想记忆学习算法

提出了基于一类最大T-模运算的模糊联想记忆连接权矩阵神经网络学习算法，并且给出了严格的理论证明，该算法成功地解决了多模糊模式对的存储问题。对于给定的模糊模式对，若这些模式对存在连接权矩阵，则该算法很容易求出它们的最大权矩阵，如果这些模式对不能够用一个连接权矩阵来存储，应用本文的算法，可以应用尽可能少的连接权矩阵来存储，从而可以有效地减少存储空间。     

模糊聚类中的模糊等价矩阵

在模糊相似关系方程Ｘ２＝Ｘ的分解构造理论基础上,用泛函分析方法证明了与给定的模糊相似阵距离最近的最优模糊等价阵的存在性与局部唯一性;还证明了局部最优模糊等价阵与给定的相似阵之间的数值关系．另外还讨论了传递闭包与最优模糊等价阵之间的关系．最后给出了传递核的概念,并讨论了其基本性质.     

新型模糊神经网络控制器的设计及应用研究

讨论自组织竞争网络优化模糊神经网络的设计及应用研究。该设计方法运用自组织竞争神经网络（SCNN）来优化模糊神经网络结构,并采用遗传逄法来训练模糊神经网络的连接权参数,获得同时具有最佳结构和模糊神经网络（FNN）,船舶操纵的仿真结果表明此法明显优于传统的PID控制器。     

双机格斗仿真系统中的实时决策方法

在双机格斗仿真系统中，数字仿真收音机的智能决策采用模糊逻辑与神经网络相结合的方法。为了把神经网络的规模限制在易于工程实现的程度，把战术规则适当分类，每一类战术存储在一个神经网络中，用模糊逻辑进行战术分类识别，确定在哪一类战术中搜索，然后用存储该类战术的神经网络进行了战术决策。     

基于监督模糊ART的中药材模式识别和质量评价

为实现基于高效液相色谱的中药材识别和质量评价，提出一种有监督ART神经网络。有监督模糊ART神经网络与模糊ART相比主要有两处改进，一是改为有监督，二是为每个聚类（子类）中心单独设置了警戒门限，从而使网络成为具有子类自动聚类能力的有监督模糊ART神经网络。该网络与模糊ART具有一样的性能和优点，比如添加新类不须重新学习等。因为中药材会由于 产地、采摘时间和处理方法的不同会有较大的区别，所以子类的自动聚类能力对中药材模式识别尤其有意义。经大量中药材样本和实际测试表明，网络抗平移、形变和适应新产地药材的能力都很强，达到了预期效果。     

基于遗传算法的模糊神经控制及其应用

将遗传算法和模糊神经网络结合起来,提出一类智能控制方案。仿真实验和实际温控表明,这类智能控制器可改善具有时变、非线性及大纯滞后系统的控制品质,其性能优于一般模糊控制。     

模糊建模与控制的神经网络方法及其仿真研究

本文提出了一种复杂系统模糊建模及控制的神经网络方法。利用改进的ｐｉ－ｓｉｇｍａ 网络，对模糊规则的结论参数和隶属函数进行在线修正，实现模糊规则的自组织。这种方法被用于降水量预报和机器人解耦控制，取得了满意的仿真结果。为增强神经网络仿真算法的快速性，本文采用了一种基于向量的数据结构，并用标识阵指示神经元的连接状态，以实现有效的内存运算。     

超球聚类模糊神经网络在跟踪控制中的应用

采用简化的标准模型的模糊神经网络的基本形式而将模糊集的概念由一维推广到n维并利用超球聚类方法定义了一类n维模糊集及其隶属函数,提出一种基于超球聚类的模糊神经网络.这种模糊神经网络可以根据样本自动产生模糊规则,在一定程度上可避免"维数灾难”.将这种网络用于一类非线性系统的在线跟踪控制,定理表明,当聚类半径足够小时可使跟踪控制的静态误差任意小.     

模糊-GPC串级控制在网络时延控制中的应用

为了解决网络闭环非线性控制系统中的时延问题,本文提出了一种在模糊神经网络控制的基础上结合广义预测控制(GPC)处理非线性系统网络时延的方法,建立了网络控制系统的结构模型,并分析了此模型对处理非线性网络控制系统中时延问题的有效性。在MATLAB环境下对网络控制倒立摆系统进行了仿真,通过对比模糊神经网络控制与模糊-GPC串级控制的控制效果,进一步证实了此方法对非线性网络控制系统能够实现稳定控制。     

不确定模糊时滞系统的鲁棒H∞滤波

研究了一类带有时滞的不确定离散时间模糊系统的鲁棒H∞滤波问题。模糊H∞滤波器的设计建立在T-S模糊模型上并能确保滤波误差系统的渐近稳定和给定的H∞性能指标。考虑了时滞的存在使得滤波器有更小的保守性,由线性矩阵不等式（LMI）给出滤波器存在的充分条件。最后,仿真算例验证了给出方法的有效性。     

用模糊加优化模糊控制规则

模糊加是模糊数学中的一项基本运算，而模糊数学又是模糊控制的理论基础。提出了一种使用模糊加优化模糊控制规则的方法，就是根据需要，对模糊控制器的输出叠加一个模糊量，来补偿干扰造成的控制量损失。还用VC++和Matlab作为开发工具，对这种方法进行了仿真实验，验证它的效果。实践证明，模糊加可以在一定程度上达到优化模糊控制规则的目的。     

Fuzzy Syntactic Congruence and Rational Fuzzy Languages

1　 IntroductionSince E.T.Lee and L.A.Zadeh gave the conceptoffuzzy finite-state automaton in1 969[2 ] ,the theory has been developed by researchers[1 ,3,4] . In this paper the fuzzy syntacticcongruence—another characterization of rational fuzzy language is dicussed.In the following text,we suppose thatΣ is an alphabetwith 1 |Σ|<∞ ,andΣ* isa free monoid generated fromΣ with the operation of adjoin,and F(Σ) denotes the setofall fuzzy subsets ofΣ,P(Σ) denotes the power setofΣ ,and …     

模糊支持向量机与模糊模拟

研究当训练点的输出为模糊数时，支持向量机的构建问题。首先将模糊分类问题转化为求解带有模糊决策的机会约束规划问题。利用模糊模拟和基于模糊模拟的遗传算法，求解带有模糊决策的机会约束规划。在此基础上，构造模糊支持向量机(算法)。最后，给出显示模糊支持向量机特点的模糊支持向量集的定义。     

模糊数在系统模糊可靠性分析中的应用

在本文中，我们定义了模糊可靠度为一个模糊数，并用模糊数而不是一个概率值来估计系统的模糊可靠度，同时还在不同的置信水平λ上，用置信区间来确定系统的普通可靠度。     

Fuzzy MCDM Based on Fuzzy Relational Degree Analysis

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＦｕｚｚｙｍｕｌｔｉｐｌｅｃｒｉｔｅｒｉａｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ (ＭＣＤＭ)ｉｓａｎａｃｔｉｖｅｒｅｓｅａｒｃｈｔｏｐｉｃｉｎｄｅｃｉｓｉｏｎｓｃｉｅｎｃｅ,ｓｙｓｔｅｍｓｅｎｇｉ ｎｅｅｒｉｎｇ ,ｍａｎａｇｅｍｅｎｔｓｃｉｅｎｃｅａｎｄｒｅｓｅａｒｃｈ .ＴｈｅｋｅｙｔｏｓｏｌｖｉｎｇｆｕｚｚｙＭＣＤＭｉｓｈｏｗｔｏｒａｎｋａｌｔｅｒｎａｔｉｖｅｓｉｎａｆｕｚｚｙｅｎｖｉｒｏｎｍｅｎｔ.Ｍａｎｙｒｅｓｅａｒｃｈｅｒｓｈａｖｅｉｎｖｅｓｔｉｇａｔｅｄｔｈｅｕｓｅｏｆｆ…     

基于模糊理论的机械系统模糊可靠性数字仿真

论文基于模糊集合的交集与并集算子，给出了机械串联系统与并联系统的模糊可靠性数字仿真模型；讨论了模糊安全事件的隶属函数的建立方法，主要研究了基于模糊概率理论，从模糊强度的隶属函数获得模糊安全事件的隶属函数的方法，为确定机械系统模糊安全事件的隶属度提供了依据，使对复杂机械系统的模糊可靠性分析成为可能。算例表明了文中所讨论的方法的可行性。     

Fuzzy Interval Value Logic and Fuzzy Distributed Value Logic

ＦｕｚｚｙＩｎｔｅｒｖａｌＶａｌｕｅＬｏｇｉｃａｎｄＦｕｚｚｙＤｉｓｔｒｂｕｔｅｄＶａｌｕｅＬｏｇｉｃTXＦｕｚｚｙＩｎｔｅｒｖａｌＶａｌｕｅＬｏｇｉｃａｎｄＦｕｚｚｙＤｉｓｔｒｉｂｕｔｅｄＶａｌｕｅＬｏｇｉｃＨｅＸｉｎｇｕｉＢｅｉｊｉｎｇＩｎｓｔｉｔ...     

离散模糊系统的新型模糊控制器与观测器设计

基于T－S模糊动态模型，研究了一类在状态空间形式下，离散模糊系统的稳定监督控制器的设计与分析，将全局模糊型按隶属函数重新划分成若干子空间，采用分段Lyapunov函数法，克服了以往设计法中需要求解一公共正定矩阵P的不足，也无需求解繁琐的Riccati方程，并针对系统状态不可测的实际情况，设计了模糊观测器，从而用成熟的线性系统理论完成对复杂非线性系统的控制，模糊控制器与观测器设计简单，适合工程应用。     

A Wavelet-Based Fuzzy Neural Network for Interpolation of Fuzzy If-Then Rules

1.INTRODUCTIONFuzzyneuralnetwork(FNN)isofmanyforms.AccordingtoBuckleyandHayashi,FNNsfellintothreecategoriesbythe~enceamongtheinputs,outputsandweights.OnekindoftheFNNscanillterpolstetheif-thenrules.ThisldndofFNNacqtheestheif-thenrulesfromhUmanexpertsorerperhaentsdsta.Tchngthisif-thenrulesasteachers,thenetworkistrainedandtheparametersoftheFNNaredetechned.Thenthetrainednetworkcan~thegeneralreasoningofif-thenrulesandthebaseoftheif-thenrulebecomesperfect.TosAnpnytheidea,thehationofthe…