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。     

一种新的模糊神经网络删剪策略

模糊规则的数量直接决定模糊神经网络结构的复杂度和效率.基于神经网络自构行学习(NNSCL)算法,用共轭剃度预条件正则方程算法求取删除隐层神经元后的剩余权值,得到改进的NNSCL-1算法.将此算法应用到模糊神经网络的规则推理层,可以极大地优化网络的规则及结构,并且结构优化后不需要重新训练也能保持网络的精确度和泛化能力.仿真结果显示了此算法的有效性和可行性.     

模糊神经网络及其在系统建模与控制中的应用

模糊神经网络是模糊系统和神经网络的有机结合,它吸取了两者的优点.给出了两个具体的模糊神经网络结构以及相应的学习算法;介绍了利用模糊神经网络建立T-S模糊模型的方法;讨论了基于T-S模糊模型的控制系统分析和设计.     

模糊AND-OR神经网络优化建模方法

采用由AND和OR模糊神经元组成的神经网络进行模糊逻辑建模,每个神经元由S和T算子组合而成,并给出单个神经元作用在模糊集上的效果,充分展示了这两种神经元的优越性,以4条规则为例推导出这类神经网络与“if-then”的规则集之间的等价关系。在神经网络的学习过程中,提出了一种混合式的学习方案采用遗传算法优化整个网络的结构,缩小了输入空间的维数,减少了相应的规则数;并在此基础上利用梯度的学习方法继续对相应的参数进行优化,从而使网络具有很好的优越性,为进一步模糊控制创造了良好的平台。     

基于自适应学习速率法的补偿模糊神经网络

为克服常规网络收敛速度慢、无法结合专家知识等缺点,引入补偿模糊神经元,结合模糊系统强大的知识表达能力和神经网络优秀的自学习能力,并利用自适应学习速率法动态地改变学习率.提出了一种新型的基于自适应学习速率法的补偿模糊神经网络,并将其应用到实际例子中.结果证明,它不仅能在线适当调整参数,还能动态地优化相应的模糊推理,加快训练速度.     

模糊神经网络系统的信号处理

简要介绍了一种可“自动”处理模糊信息的模糊神经网络系统,这是由神经网络和模糊控制相结合的智能信号处理系统。     

模糊神经网络理论及其应用

本书是《机器感知与人工智能》丛书的第59卷。模糊神经网络和神经模糊系统具有较长的发展历史，最初是1975年由Ed Lee发表的关于模糊神经的论文提出的。神经模型系统可以被看作为神经计算与模糊逻辑的协同合作。它从神经计算继承了与学习及近似相关的概念和技术。从模糊逻辑继承了成粒作用、语言变量、模糊蕴含规则、推理规则及约束传播。本书系统地综述近年来模糊神经网络领域中的研究成果，全面介绍了理论及其对系统建模和图像恢复方面的应用，提出了模糊神经网络的发展方向，强调了模糊神经网络的基本概念与总体结构的分析。本书的特殊之处在于研究了各种各样的模糊神经网络和它们的学习算法与通用近似，并且采用了精心设计的模拟实例来帮助读者掌握基础的理论。     

神经元的几何形态分类

为了对不同神经元进行区分,采用L-Measure软件对神经元的几何形态进行特征提取,通过主成分分析对提取的特征降维进行处理.采用概率神经网络、BP(Back Propagation)神经网络和模糊分类器组成的分类器“投票”,对锥体神经元、普肯野神经元、运动神经元、感觉神经元、双级神经元、三级神经元和多级神经元7种神经元...     

模糊神经免疫自适应PID在恒张力控制系统中的应用

应用免疫反馈系统原理和模糊神经网络控制理论,在传统PID控制基础上设计出一种模糊神经免疫自适应PID控制器,阐述了该控制器的特点、控制规律和整定方法.控制器参数P、I和D分别由模糊神经免疫反馈系统和模糊神经网络控制器在线修正.进行了恒张力控制系统的动态仿真,并与数字PID和模糊PID控制进行了比较.仿真结果表明,模糊神经免疫自适应PID控制器响应速度快、控制输出稳定、抗干扰能力强和鲁棒性好,较传统PID和模糊PID控制器具有更好的动、静态特性.     

基于滑膜控制和SAFNN的鲁棒混沌同步

针对带有干扰的混沌系统,进行了基于自组织自适应模糊神经网络(SAFNN)的同步控制器的设计,采用基于聚类划分的模糊神经网络,推导出模糊神经网络参数在线更新算法,并设计了神经网络结构自适应算法,从隶属度函数的生长、模糊规则的分裂和模糊规则的修剪三个方面动态调整模糊神经网络结构,摒弃了常规的试错法来调整系统的结构和参数,以便更好地满足对计算负荷和控制性能的要求,实现两者之间的平衡;最后结合滑模控制器和鲁棒控制器,对带有干扰的混沌系统进行同步控制仿真,仿真结果表明该方法有效。     

线性模型中误差分布的基于L1估计的相合核估计

线性模型ｙｉ＝ｘｉ＇β＋ｅｉ，ｉ＝１，…，ｎ，的误差序列｛ｅｉ｝ｉ＾ｎ＝１有未知密度ｆ（ｘ）。本文在一定条件下证明了ｆ（ｘ）的核估计ｆｎ（ｘ）＝１／ｎａｎ∑＾ｎｉ＝１ｋ（ｅｎｉ－ｘ／ａｎ）的弱相合性，逐点强相合性，一致强相合性，其中ｅｎｉ为Ｌ１估计的残差。     

实函数样条插值的L2逼近

我们构造一个n次样条s_n~*(x),它是一个在给定的m个不同结点上对已给实函数f∈L_(?)~2进行联合插值,满足s_n~(*~(j))(x_0 0)=f~(j)(x_0 0),s_n~(*~(j))(x_m-0)=f~(j)(x_m-0),s_n~(*~(j))(x_i)=f~(j)(x_i),j=1,2,…,m-1,j=0,1,…,v;在L_2范数下,在f的所有同样性质的插值样条当中,它又是f的最佳逼近,且得到f∈C[a,b],n→∞时,有∥s_n~*-f∥L_2→O。     

非对称有限元方法

本文使用非对称有限元方法，研究奇异两点边值问题的有限元解的的收敛性，给出最佳误差估计。     

L1范数法诊断线性电阻电路故障的神经网络法

研究了Ｌ１范数法诊断线性电阻电路故障的视神经网络方法。基于Ｈｏｐｆｉｅｌｄ网络原理导出了相应的神经网络电路结构，该法具有在线计算量少、故障诊断速度快等特点。计算机模拟结果表明，本文所提方法是可行的。     

关于L1空间最佳n—凸逼近的特征定理

函数g∶(0,1)→尺被称为n-凸的是指它的n阶差商对(0,1)上任一点组x_o,…,x_n恒非负。本文给出了L_1 空间最佳n-凸逼近的特征性质。     

纵向污染数据回归模型中污染源密度的估计

研究了带有重复观测的线性回归模型中响应变量在受到另一随机变量序列污染时,污染源分布密度的估计问题.在较一般的条件下,对于纵向污染数据,构造了污染数据线性回归模型的参数和污染源密度的估计方法,并且证明构造的密度估计具有L2收敛性.由于在估计方法中无需假定误差方差,因此,所构造的估计方法更符合实际应用情况.     

基于模糊状态模型的连续系统控制器设计和稳定性分析

就这一类连续模糊动力学模型给出了一种模糊状态反馈控制器的设计方法及稳定性分析；同时给出了一种模糊状态观测器的设计方法并讨论了稳定性．     

最佳L2局部逼近为非空凸集的充分条件

本文给出了最佳L_2局部逼近之集P_0(f)为非空凸集的充分条件:f∈C~(n-2)〔0,δ〕,f~(n-2)(x)在x=0处满足Lipschitz条件。