一种新的RBF神经网络非线性动态系统建模方法

将遗传算法与正交优选法结合 ,用来训练径向基函数 ( RBF)神经网络 ,并对基函数宽度进行自动地调整 ,得到了一种训练 RBF神经网络的新方法 .将其应用于连续流体搅拌反应槽 ( CFSTR)生化反应器的建模中 ,得到了令人满意的结果 .该算法提高了径向基函数神经网络的泛化能力和鲁棒性 ,研究表明是一种有效的“黑箱”动态建模方法     

非线性系统一种新的模糊自适应后推设计方法

研究了一类非线性系统的自适应跟踪问题。利用系统设计过程所得误差信息,提出了一种新的模糊间接自适应后推设计方法。与常见的后退方法相比较,该方法可以获得更简洁的控制器表达形式。基于李亚普诺夫稳定性理论,给出了闭环自适应系统一致渐近有界的证明。仿真结果验证了本方法的有效性。     

一种非线性自适应逆噪声控制器设计及其仿真

基于模糊神经网络算法研究了非线性系统的噪声消除问题,设计了一类非线性自适应逆噪声消除控制器。该文利用模糊神经网络融合算法所具有的对任意函数的精确逼近性,对非线性系统进行建模和逆建模,从而为非线性自适应逆噪声控制器的有效性提供了保障。最后将所设计的控制器用于仿真实例,研究表明该噪声控制器能有效地消除非线性被控对象的噪声污染。说明了该方法的可行性和有效性。     

一种非线性系统多项式逼近的建模方法

提出一种简便的非线性多项式逼近建模方法。对非线性系统,首先,利用拓扑同胚变换,将系统的有界输入输出数据变换为[0,1]范围之间的数据,然后选定初始多项式,对初始多项式模型反复利用递推最小二乘法进行参数辨识,通过比较项与参数乘积绝对值的大小,剔除多项式中对模型贡献较小的项,直到得到确定的多项式模型,大量的仿真结果表明了算法的有效性。     

一种新的模糊线性规划方法

本文详细研究了约束带有模糊系数型线性规划的模糊约束集的定义方法，给出了其隶属函数的规定原则和应满足的条件，并建议了两种具体的定义形式，从而得到了求解这种规划的新方法。     

一种基于环境预报数据的阵风建模方法

针对现有飞行器仿真试验自然环境模型,研究环境预报数据转换和处理方法;基于随机波浪理论,建立二元阵风紊流数学模型,并研究该模型的仿真建模方法;基于Davenport谱建立基于环境预报数据的阵风紊流模型,并引入到飞行器六自由度数学仿真试验中,得到阵风紊流对于飞行器飞行状态的影响情况。试验结果表明,阵风紊流对于飞行器攻角影响较大,对于飞行高度影响较小,利用阵风紊流模型开展飞行器航迹仿真试验切实可行。     

一种新的基于神经网络的非线性组合预测方法

一种新的基于神经网络的非线性组合预测方法文新辉牛明洁（西安电子科技大学，７１００７１）（新疆石油学院，乌鲁木齐８３００００）ＡＮｅｗＮｏｎｌｉｎｅａｒＣｏｍｂｉｎｅｄＦｏｒｅｃａｓｔｉｎｇＭｅｔｈｏｄｏｎｔｈｅＢａｓｉｓｏｆＮｅｕｒａｌＮｅｔｗｏｒｋ...     

一种新的基于模糊趋近律的滑模控制方法

针对一类具有不确定性的非线性系统，提出了一种模糊趋近律滑模型控制策略，将模糊逻辑控制与趋近律相结合，推导出模糊趋近律，该设计方法简单，控制算法容易实现，仿真结果表明，本文提出的方法不仅保留了滑模控制系统所具有的较强的鲁棒性优点，又使控制系统滑动模态的品质得到保证和改善，同时消除了系统的高频颤动。     

一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法中算法过于复杂的问题，提出了一种简单而有交的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分，计算给定样本在各模糊子空间的隶属度，并列用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法和误差反馈学习方法相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据仿真结果证明了该方法的有效性与实用性。     

一种MIMO复杂过程的模糊建模新方法

针对难于建立精确数学模型的MIMO复杂过程,提出一种基于过程输入输出数据变化关系的模糊建模方法。即首先将一个MIMO系统分解成多个MISO子系统,对每一个MISO子系统按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分。在此划分的基础上确定出MIMO复杂过程模糊模型的规则总数和前件参数;然后,由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模型模型的后件参数。仿真举例验证了所述模糊建模方法的有效性。     

军品订货量的一种自适应模糊预测方法研究

军品订货量的预测是规划未来国防工业生产规模的关键．本文首先分析确定了影响陕西国防工业军品订货量的主要因素,对其中的定性因素进行了量化;之后将预测过程模拟成一个“Ｆｕｚｚｙ”系统,预测依据作为系统的输入,预测量作为系统的输出,根据历史的输入、输出数据确定系统的特性,建立预测模型;以此为基础,给定输入数据,在系统特性的作用下,即可求得预测输出．由于使用了一种新的基于Ｔ－Ｓ模糊模型的自适应模糊神经网络,从而使预测模型具有很强的自适应能力．本文的军品订货预测方法具有比较强的通用性．     

产品开发团队组织模式的自适应决策模型

为了缩短产品开发时间,要求开发团队组织模式与所开发的产品相适应。提出了3种典型的产品开发团队组织模式,并采用模糊神经网络方法,以产品特征因素作为输入,经训练后形成决策器,团队组织模式按照决策结果自适应地进行调整。给出的仿真结果证明了该方法的有效性。     

一种结构噪声抑制的非线性滤波器算法及模型

针对线性滤波器难以滤除超声回波信号中结构噪声的问题,从分析超声回波结构噪声和缺陷信号的产生、传播衰减及频率响应模型出发,推导了一种基于神经网络NARX(Nonlinear Auto-Regressive Exogenous Input)结构的非线性滤波器模型及其改进RTRL(Real Time Recurrent Learning)算法,该算法模型动态地建立了超声回波与缺陷信号之间的数学映射关系,利用该映射关系实现对缺陷信号中结构噪声抑制。仿真实验证实了该算法模型建立的正确性和有效性。     

差分进化算法求解二阶段直觉模糊非线性规划

针对Plamen直觉模糊规划模型需要同时考虑目标和约束函数的拒绝和满足程度,算法的计算量相当于模糊规划两倍的问题,提出了二阶段直觉模糊规划模型.即前期只考虑目标和约束函数的拒绝程度,使最优值集中在全局最优值附近,后期只考虑目标和约束函数的满足程度,使最优值靠近全局最优值,因此,算法的计算量仅为Plamen直觉模糊规划模型的一半.并用差分进化算法进行求解,根据前、后两阶段的特点,分别采用DE/rand/1和自适应变异算子.最后,通过Benchmarks测试函数验证了方法的有效性和稳定性.     

基于混沌神经网络模型的预测控制器的设计及应用

根据具有混沌特性非线性、大时滞系统的时间序列重构相空间，计算相空间饱和嵌入维数、并以此为指导，建立混沌神经网络，即便在网络输入不完整或发生变异的情况下，该模型仍能对系统作高精度的短期预测；在此基础上，又设计了模糊神经网络预测控制器，实现了对非线性、大时滞系统高精度的自适应控制。将该控制器应用到单元机组负荷控制系统中，仿真表明了该控制有效性、快速性和鲁棒性。     

混沌序列的T-SK反馈模糊神经网络预测

针对模糊神经网络预测混沌系统输入节点数目的确定随意性较大及敛速度慢的缺点,提出T SK反馈模糊神经网络(T SKrecurrentfuzzynetwork,TRFN)。同时采用两阶段学习算法:先进行结构学习来确定TRFN的最佳结构,再利用基于混沌动态量的BP算法对神经网络进行参数学习,提高了收敛速度和预测精度。应用此网络和相应的学习算法,对Henton序列进行了预测,与传统的模糊神经网络相比,在节点数目较少的情况下,取得了更快更精确的预测结果,验证了该方法的有效性。     

基于神经网络集成系统的股市预测模型

基于神经网络集成理论,建立股市预测模型.其中分别建立"基本数据模型"、"技术指标模型"和"宏观分析模型",最后以简单平均生成集成系统.实证分析表明,股市预测神经网络集成系统的泛化能力高于各个独立的模型,从而使模型具有更好的稳健性和更好的应用价值.     

一种新型复合神经网络模型

本文首先详细地阐述了ＢＰ神经网络和ＣＭＡＣ神经网络各自的结构，原理以及算法。提出了一种ＢＰ神经网络与ＣＭＡＣ神经网络组合起来的新型复合神经网络模型，并利用误差逆向传播原理推导出复合网络的学习法。仿真实验结果表明，这种复合神经网络在保留了ＢＰ和ＣＭＡＣ各自特长的基础上，同时具有学习速度快，泛化能力强等特点     

A Fuzzy Neural Model for Face Recognition

Introduction1 Nowadays, biometric (e.g., face, finger print, iris, palm)identification is becoming more and more important [1] [2] and there are numerous commercial and law enforcement applications. Compared with other biometric identifications, face recognition has attracted more attention for its characteristics ofuser-friendly, intuitionistic and convenient. Much work hasbeen done on face recognition over the last 20 years. Generally speaking, face recognition is composed of three procedure…     

注塑过程子时段动态非线性质量预测

针对注塑间歇过程多阶段、缓慢时变、非线性和质量变量测量值不能在线获得等特点，提出子时段滑动窗口广义回归神经网络质量预测方法，首先，采用分类算法对三维数据矩阵的时间片PCA负载矩阵进行分析，根据相关性分析把注塑过程划分为几个子时段，然后确定与重量密切相关的阶段，在确定的阶段内采用滑动窗口建立GRNN多模型，解决常规MPLS在工业应用过程中存在的几个潜在问题：（1）静态单一模型；（2）模型失配问题；（3）MPLS线性方法不能充分有效压缩和抽取非线性过程信息；（4）估计未来测量变量所引进的模型偏差。所提方法与子时段滑动窗口MPLS方法进行仿真比较。结果证明了所提方法的有效性。