深基坑支护体系的模糊积分多元决策研究

在分析影响深基坑支护体系因素的基础上 ,根据模糊积分的有关理论 ,对基于模糊测度的模糊积分加以改进 ,推导出有限集合上的多层模糊积分多元决策模型 ,并归纳出用该模型进行多元决策问题综合评价的一般步骤 .最后成功地应用该模型于某深基坑工程支护体系综合决策中 .同时应用该模型可以开展其它复杂系统的综合决策.     

基于模糊神经网络的复杂产品研发决策评估

针对复杂产品研发决策评估系统的多维性、时变性特点，参照经典系统辨识的多输入、多输出模型结构原理，提出一种适用于复杂产品研发决策过程支持系统模型化、数字化、自动化、规范化而又具有实时性的多个并行时变模糊神经网络组合算法系统。通过对300组某系统研发过程实际获取与研讨结果数据组的应用实验证明，此种模型结构与算法切实可行，便于计算机实现。     

基于免疫算法自调节变异率的FNNC参数优化及其应用

针对复杂钢坯加热过程，提出了一种自调节变异率的免疫进化模糊神经网络控制（IE—FNNC）算法。首先根据现场样本数据建立过程神经网络模型；然后基于该模型，采用规则优化算法，确定模糊神经网络控制器（FNNC）的最佳规则数；最后由FNNC的规则优化所得参数构造初始种群的一个解，采用自调节变异率的免疫进化（IE）算法对FNNC参数优化。该算法具有全局寻优和局部求精能力，仿真结果证实了其有效性。     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。     

模糊推理和神经网络的集成在故障诊断中的研究

以故障诊断的理论和方法为基础 ,综合运用人工智能、模糊理论和神经网络理论 ,对复杂电子装备的故障诊断问题进行了研究。提出了模糊推理和神经网络的集成方法 ,介绍了集成的综合系统的基本结构和工作原理 ,描述了模糊故障诊断模型和改进的神经网络BP算法     

复杂大系统建模的模糊神经网络方法

提出了一种新的复杂大系统建模方法。采用模糊神经网络对复杂大系统对象中的结构不确定性因素进行建模,并利用同步扰动随机近似算法对模型参数进行在线调整。将该方法应用于直升飞机旋翼自转着陆过程中的仿真建模中,给出了全量模型和模型调整过程。仿真结果表明,该方法是切实可行的。     

基于SVM的模糊推理在图像降噪中的建模与仿真

针对图像上的脉冲曝声，用基于支持向量机的模糊推理方法建立噪声检测模型。该建模方法应用支持向量机的学习机制从训练样本中提取支持向量，由支持向量确定模糊基函数，产生相应的模糊规则，建立起模糊推理模型。并依据此设计了一套噪声检测系统。该系统由基于支持向量机的模糊推理子系统和决策子系统组成。其中，推理子系统分别在纵向和横向上检测噪声信息：决策子系统综合纵向横向的信息，做出决策。仿真实验结果表明，所提出的方法可有效地检测并去除噪声，同时保留了图像的细节信息。     

改进的标准模糊神经网络的工程造价快速估算

在对影响建筑工程造价因素分析和标准模糊神经网络结构分析的基础上,通过增加输入层与模糊层之间的权值v,加入规则的重要度γ,对标准模糊神经网络进行了改进,并建立基于改进的标准模糊神经网络的工程造价快速估算模型。将基于这种结构的模糊神经网络的工程造价快速估算模型应用于建筑工程的投标报价中,从仿真结果可以看出该网络模型学习时间较短,学习速率较快,精度较高。     

基于模糊Chebyshev基函数神经网络的快速学习算法

将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种以Chebyshev基函数为隶属函数的模糊神经网络。由于无需调整隶属函数的参数,因此该模糊神经网络模型算法的计算量大大减小,仿真结果表明了该模型算法的有效性和快速性。     

基于粒子群模糊神经网络的丙烯腈收率软测量建模

对粒子群优化算法与模糊神经网络的结合进行研究，提出粒子群模糊神经网络，并将其应用丙烯腈收丰软测量建模．该方法采用模翱神经网络来杓建丙烯腈收率软测量模型，用粒子群优化算法优化模糊神经网络的参数；并结合实际工艺，对所建软测量模型进行仿真研究。实验结果表明，该模型的性能优于粒子群神经网络模型，能够准确预测丙烯腈收率，具有较高的精度和良好的应用前景。     

模糊神经网络在决策专家系统中的研究与应用

解决知识“瓶颈”问题是拓宽专家系统应用领域的关键技术。在运用模糊集合理论的基础上 ,给出模糊决策规则定义 ,根据模糊神经网络理论 ,提出一种实现规则决策的层次型模糊神经网络 (FRDNN) ,设计 4类不同属性的神经元 ,结合开发的实用GSM网络优化专家系统的知识的特点 ,从“决策域”观点仿真分析并通过实例验证FRDNN的可行性 ,为解决实用专家系统的知识获取提供了新思路     

基于AI的农村公路养护管理评价方法研究

综合考虑影响农村公路养护管理的各要素, 采用层次分析方法, 建立了包含目标层、准则层、 指标层的农村公路养护管理评价三级指标体系. 针对综合评价中知识学习积累问题, 研究了基于人工智能的模糊神经网络方 法在农村公路养护管理评价中的应用. 结合模糊理论和神经网络方法, 采用模块化设计思想初步建立了农村公路养护管理评价 的结构模型, 在评估系统中嵌入专家知识, 采用模糊理论对评价指标进行模糊化处理, 再利用多层神经网络进行数值分析, 最后将结果反模糊化, 实现对农村公路养护管理系统的综合评价. 同时通过实例说明了系统学习、系统评价的过程, 实例验证了所建模糊神经网络模型的可行性与有效性.     

基于集成预测的均值-方差-熵的模糊投资组合选择

通过基于集成预测的方法构建模糊投资组合, 代表性地选择了遗传神经网络模型、 多因素SVM回归模型和ARIMA时间序列模型作为组合预测中的单一模型, 并将单一模型预测结果作为模糊变量进行投资组合优化, 实证结果表明基于集成预测的均值 -方差-熵的投资组合相比其他组合收益率更高, 相对风险更低. 该方法可以用于投资基金管理、 金融风险管理等实际工作中,以便提高决策的科学性.     

基于模糊神经网络方法的新构造控水专家系统

在对大量野外地质资料统计和综合分析基础上，依据地质专家在新构造领域的理论知识和成功经验，运用模糊数学理论和神经网络理论相结合的方法，提出一种用线性单元并联实现非线性划分的神经元网络模型，并研制出相应具有较强推理能力和学习功能、广泛用于非定性系统数据处理的专家系统，该系统经实例验证具有较强的适用性。     

基于T-S模型的模糊神经网络在股市预测中的应用

采用基于 T-S模型的模糊神经网络 ,用改进的遗传算法来训练网络权值 ,隶属函数参数调整算法则采用动量法和学习率自适应调整相结合的策略 ,以上证指数和厦新电子 (个股 )为研究对象予以建模和预测 .结果表明 ,此种模型具有较好的泛化、学习、映射能力 ,对股票市场或类似的非线性经济系统的走势研判或其相应预测决策具有较好的应用价值.     

模糊推理神经网络的函数逼近能力

研究了模糊推理神经网络计算模型及其连续函数逼近能力。同时给出了模糊推理神经网络与传统BP神经网络的连续函数逼近等价定理 ,即任何一个传统的BP网络都存在某个模糊推理神经网络以给定的精度逼近它 ;任何一个模糊推理神经网络都有一个传统的BP网络以任意精度逼近 ,并且这两种网络都可以逼近定义在某一紧支集上的连续函数     

嵌入神经网络专家系统的智能化城市评价DSS

本文以决策支持系统(DSS)的理论方法为基础,综合运用人工智能、模糊集、神经网络理论。提出了嵌入神经网络专家系统的智能化城市评价决策支持系统(ICEDSS)的基本结构模式,介绍了ICEDSS各组成部分的功能,讨论了具有神经网络专家系统的综合评价子系统的工作原理,描述了多层次多目标模糊综合评价模型和基于神经网络的系统自学习原理。整个ICEDSS的原型系统已在IBM微型机上用TurboC,FORTRAN77和Foxbase⁺语言实现。     

用模糊神经网络定量类比预测龙滩水电工程库周区经济

采用模糊推理与神经网络相结合的方法 ,选定已积累有较长的实际运行资料的丹江口工程作为类比工程训练模糊神经网络权值及模糊子集的划分 .在此基础上 ,将训练好的模糊神经网络用于龙滩水电工程库周区进行经济影响的预测 ,并将建库与未建库对库周区经济发展的影响作了对比 ,为国家对兴建该项巨型水电工程作进一步决策提供了一定的科学依据.     

Decision feedback equalizer based on non-singleton fuzzy regular neural networks

1. INTRODUCTION Badly nonlinear distortion often occurs in high-speed wireless digital transmission systems, which calls for an adaptive nonlinear equalizer capable of counteracti- ng deep fading. There are two types of nonlinear equalizers: maximum-likelihood sequence equalizer (MLSE) and decision-feedback equalizer (DFE). Bec- ause of intense computation and enormous storage, MLSE isn’t suitable for application. DFE is widely used due to its simple structure, but the forward and f…