多带激励语音编码算法中矢量量化方案的设计

作者讨论了人工神经网络矢量量化在多带激励语音压缩编码算法中的实际应用。采用Ｋｏｈｏｎｅｎ自组织特征映射神经网络技术对语音参数中的谱包络参数进行量化，利用Ｋｏｈｏｎｅｎ自组织特征映射神经网络具有的聚类特性，提出一种初始码本抽取和码本训练的实际算法，训练出具有明显拓扑结构和码本。利用语音的帧间相关性和训练网络的结构特性，提出一种称为“邻域搜索法”的快速码字搜索算法。实验表明，这种矢量量化算法使码卡搜索     

四足步行机器人动步态特征辨识算法

针对四足机器人行走动步态的研究，提出了一种基于神经网络中Ｋｏｈｏｎｅｎ自组织映射的聚类算法。该算法依据其特征对步态数据进行聚类，并利用求重心的方法，获取特征模型，大大简化了调试工作。     

一种模糊聚类模式识别方法及应用

提出了一种新模糊Ｋｏｈｏｎｅｎ聚类网络算法,同时提出了模糊伪监督分类算法：模糊特征降维方法,最后给出应用实例及和其它方法的比较结果。     

一种改进的模糊类聚 Kohonen 网学习算法

描述了一类模糊类聚Ｋｏｈｏｎｅｎ网络，对以往的算法加以改进，将监督算法与非监督算法加以合并，提出一种改进的算法。这种算法在计算机上模拟实现，并与通常算法加以比较，可看到识别效果得到明显的改善。     

序列图像编码的一种神经网络方法

根据Ｋｏｈｏｎｅｎ自组织特征映射（ＳＯＦＭ）算法的特点，提出了一种分阶段ＳＯＦＭ的边缘保持码书的设计算法。将帧间块匹配、帧内块匹配与多级矢量量化有机地结合，给出了序列图像编码的快速实现算法。计算机模拟实验结果表明，在相同块大小的前提下，本算法各方面性能较优，主观质量好，无误差累积效应，快速简单，实用性强。     

基于自适应CPN的规则自学习模糊控制器设计

基于扩展Ｋｏｈｏｎｅｎ的自组织映射和Ｇｒｏｓｓｂｅｒｇ的竞争算法,得到了一种高度自适应的双向对传网络（ＣＰＮ）,并给出了一类基于此类网络的模糊控制器．根据经验知识对网络离线学习,确定基本的控制规则,利用在线学习算法,实现了规则的自学习．在此算法中,控制器能够自动确定满足控制要求所需规则的个数,并且根据控制目标能够自动获取和校正控制规则．仿真结果展示了控制器应用具体对象的实时控制效果     

自组织特征映射神经网络及其在地层压力剖面聚类中的应用

文章分析了Ｋｏｈｏｎｅｎ的自组织特征映射神经网络的基本特征,讨论了实际应用的技术问题,并给出了算法。将该方法应用于川东地区地层压力剖面分类,结果令人满意。     

反传网络(CPN)的改进及其在储层预测中的应用

反传网络（ＣＰＮ）是由Ｋｏｈｏｎｅｎ自组织特征映射和Ｇｒｏｓｓｂｅｒｇ外星网络组合形成的一种无指导混合分类器网络。本文尝试用反传网络对地震信息进行油气预测和分类。首先实现该网络的常规算法,然后对其进行了改进,最后利用这一算法对某油田的地震资料进行了ＣＰＮ网络的学习建模及油气预测计算,取得了较为满意的效果。     

用自组织神经网络设计自适应调色板

本文提出了种新的、简单可行的方法设计自适应的调色板，用具有自组织特性的Ｋｏｈｏｎｅｎ神经网络，根据调色板的要求，设计了具有一维输出神经元的确定结构的网络，同时，为了使主观的显示效果更好，客观的映射误差减少，提出了修改的Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ算法，并对神经网络权值的初始化、输入样本的采样顺序提出了相应的方法。     

矩阵码的自组织特征映射识别研究

基于Ｋｏｈｏｎｅｎ自组织特征映射网的自组织性、自适应性及对输入信号的高容错能力，运用无导师动态竞争学习方法对较模糊的矩阵码进行识别，取得了较好的效果．对网络的训练采用了带噪声的矩阵码数据，大大提高了系统的辨识能力．试验表明，该方法为矩阵码的识别提供了一条有效的途径．     

基于Kohonen网络-粗集-模糊神经网络获取模糊规则的集成方法

基于单一知识发现方法的不足提出了一种基于Kohonen网络、Rough Sets和FNN获取模糊规则的集成方法.首先用Kohonen网络进行数据量化,然后运用粗集理论产生初始规则,并根据所得的规则建立模糊神经网络模型,从而生成较少的精炼规则.最后通过实例仿真分析,验证了该方法的有效性和实用性,同时为获取模糊规则提供了新的思路.     

模糊Kohonen神经网络回热系统故障诊断

分析了汽轮机组回热系统12种典型故障及9种征兆参数的模糊处理,结合Kohonen神经网络的工作原理、诊断特征,提出了模糊Kohonen神经网络汽轮机组回热系统故障诊断模型.结果表明:该模型可以有效地进行回热系统故障样本模式的模糊量化处理,具有自学习功能、聚类能力强、运算速度快的优点,可以有效地对具有模糊性的单一故障和复合故障进行诊断,是一种适合于汽轮机组回热系统故障诊断的有效可行的方法.     

基于TS模型的模糊逼近及实例

给出了ＴＳ模糊逼近器的改进形式．在保留其逼近优点的基础上,简化了繁琐的运行,用加权最小二乘法和模糊Ｃ平均法确定了前部参数;用线性规划确定了后部参数,用共轭方向法修正了参数．给出了数值模拟的算例,并验证了其可行性．     

基于HHT和FKNN的动调陀螺仪故障诊断研究

动调陀螺仪是一种重要的、典型的和复杂的机载机电设备。针对动调陀螺仪的故障结构特征,提出一种基于希尔伯特-黄变换(HHT)和模糊Kohonen神经网络(FKNN)的动调陀螺仪故障诊断模型。首先,在对动调陀螺仪进行故障模式与影响分析的基础上,明确了故障模式及特征参数;针对特征参数中的随机信号,采用希尔伯特-黄变换进行特征提取;然后,在分析Kohonen神经网络结构、原理及不足的基础上,提出一种模糊Kohonen神经网络诊断模型;最后,通过诊断算例进行分析验证。结果表明所提出方法在动调陀螺仪故障诊断中具有较高的正确诊断率。     

基于模糊神经元网络的信息融合模型

为了解决对象是庞大数据的复杂的工业生产过程的建立模型困难的问题,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,结果表明:通过两次聚类算法的融合,获得精确的聚类个数和隶属度,以此来确定模糊神经网络的结构模型,并将得到的隶属度作为依据,建立基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。该成果对煤矿开采具有一定的参考价值和指导意义。     

神经模糊逻辑控制系统隶属函数和推理规则的确定

针对当前开发模糊控制系统的一个难点——发现最优的隶属函数和模糊规则，研究了利用神经元网络的学习能力，从历史数据中发现隶属函数和模糊规则，在一定程度上减轻了系统开发工作量，克服了由于缺乏经验而可能造成的偏差．文中采用了三个学习算法：Ｋｏｈｏ－ｎｅｎ自组织算法、有监督的竞争算法以及ＢＰ算法，设计了一个二输入一输出的程序，并提供了运行结果     

基于模糊聚类的二型模糊神经网络系统辨识

二型模糊神经网络结合了二型模糊系统描述实际情况不确定性和神经网络的学习能力,在非线性系统的辨识中得到了广泛应用。二型模糊神经网络参数学习使用最多的是反向传播算法算法,该算法原理简单,易于实现。但是该算法对初值敏感,不合适的初始会导致算法收敛于非最优解或者发散。针对反向传播算法的这一缺点,提出了一种基于模糊C均值聚类的区间二型模糊神经网络辨识算法。该算法选择高斯型隶属度函数,将模糊C均值算法得到的聚类中心初始化高斯函数的中心,而高斯函数的宽度利用模糊C均值聚类算法的隶属度和中心求取。通过2个非线性系统的辨识效果表明,提出的辨识算法具有较高的辨识精度,收敛速度较快。