一类三层前向折线模糊神经网络的构造

为克服模糊数运算的复杂性引入了折线模糊数的概念,并应用其优良性质和折线模糊值函数的表示定理,通过插值神经网络的构造方法获得了一类三层前向折线模糊神经网络,证明了该折线模糊神经网络是连续折线模糊值函数的泛逼近器.     

基于多输入单输出折线模糊神经网络的单调性分析

依据折线模糊数及其扩展原理,在多输入单输出情形下针对折线模糊神经网络的单调性进行了理论分析.在转移函数满足非负递增时,证明了多输入单输出折线模糊神经网络中每个代表元都是单调递增的,进而在该网络构成一类函数的泛逼近器时,研究了这类函数的单调性问题.     

正则模糊神经网络对保极大值函数类的泛逼近性

在模糊神经网络中将紧集上多元连续函数类推广为保极大值函数类,进而借助于保极大值性研究了紧集上扩展模糊函数类的特性和度量问题。最后,获得三层正则模糊神经网络关于其扩展模糊函数类具有泛逼近性,并通过实例分析了目标输出与正则模糊神经网络实际输出的逼近效果。     

模糊算子神经网络的函数逼近能力

研究模糊算子神经网络的函数逼近能力，首先提出传统神经网络和模糊神经网络的一般模型即模糊算子神经网络，又将其进一步推广为广义模糊算子神经网络，考虑这两种通用模型的代数结构和分析性质，给出其连续函数的一致逼近定理，其结论是传统神经网络逼近性质的推广，适用于由任何连续算子构成的多层神经网络（模糊神经网络）。     

基于模糊系统的新型CMAC神经网络及学习算法

提出了一种基于模糊系统的新型CMAC神经网络，该神经网络与CMAC相比，它不需要对输入分量进行量化，而且能够根据实际问题的性质来初始化网络参数，有利于提高网络的收敛速度，与一般的FCMAC相比，它的逼近精度更高，能够解决CMAC系列网络逼近精度不高的弱点，所以此网络的实际应用前景更广阔，所做的大量仿真实验也证明了这一特性。     

模糊稳健优化设计中的神经网络技术

由于模糊稳健设计中的准则函数和约束函数是随机性可控因素与不可控因素的函数,其概率密度函数的表达式难以确定,故在优化设计中采用随机模拟方法.但采用遗传算法进行优化计算时,随机模拟消耗的机时很大,优化计算效率极低.为此,采用BP神经网络对模糊随机函数进行逼近,探讨了神经网络的构造与程序实现方法;用插装式溢流阀调压弹簧的模糊稳健优化设计问题进行了数值仿真与验证.实例表明,BP神经网络的仿真精度可以达到工程优化问题的要求,把遗传算法与神经网络技术相结合,可以有效地求解模糊稳健设计等复杂优化设计问题.     

一类模糊值函数的共轭映射的若干性质

主要讨论了一类模糊值函数-模糊值凹函数的共轭问题,首先给出了模糊值凹函数的共轭映射的概念,并证明了其共轭映射也是模糊值凹函数;其次,讨论了由模糊值凹函数生成的几类合成函数的共轭问题,并证明了相关性质。     

基于T-S模型的模糊神经网络

一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模型的模糊神经网络由前件网络和后件网络两部分组成。前件网络用来匹配模糊规则的前件，它相当于每条规则的适用度。后件网络用来实现模糊规则的后件。总的输出为各模糊规则后件的加权和，加权系数为各条规则的适用度。所提出的模糊神经网络具有局部逼近功能，且具有神经网络和模糊逻辑两者的优点。它既可以容易地表示模糊和定性的知识，又具有较好的学习能力。给出了调整规则后件参数及前件隶属度函数参数的学习算法，举例说明了它的逼近性能。     

一类模糊控制器的设计算法及其分类

给出了由模糊蕴涵算子构造模糊控制器的一般算法.根据模糊控制器的响应函数的拟合性质将其分为4种类型:具有泛逼近性的模糊控制器、只具有拟合性的模糊控制器、只具有阶跃响应性的模糊控制器和不定型的模糊控制器.     

用神经网络改善模糊控制器的推理特性

针对模糊矩阵推进在处理人们经验知识时的不足，把具有更高智商的神经网络推理应用到模糊控制中去。通过学习训练样本，它能自动排除经验规则中所包含的错误成分，并且吸收其中的有用信息。实例表明，神经网络能通过权重系数的调整记忆控制规则所包含的信息，从而改进模糊控制的推理特性。     

一类变时滞模糊细胞神经网络的全局指数周期性

通过构造合适的Lyapunov泛函和利用Young不等式,研究了一类变时滞模糊细胞神经网络的全局指数周期性,得到了该神经网络周期解存在唯一且全局指数周期的充分条件,给出一个例子说明结论的有效性.     

Output-back fuzzy logic systems and equivalence with feedback neural networks

A new idea, output-back fuzzy logic systems, is proposed. It is proved that outputback fuzzy logic systems must be equivalent to feedback neural networks. After the notion of generalized fuzzy logic systems is defined, which contains at least a typical fuzzy logic system and an output-back fuzzy logic system, one important conclusion is drawn that generalized fuzzy logic systems are almost equivalent to neural networks.     

产品开发过程中模糊神经网络规则提取及模糊控制

由于在并行工程下新产品开发中诸要素之间是一种复杂的非线性关系,因此无法用精确的数学模型实现对产品开发诸要素的控制。该文利用模糊逻辑神经网络来自适应地形成产品开发诸要素的模糊控制规则,设计构造了基于模糊逻辑神经网络的模糊控制器,较好地实现了在并行工程下对产品开发诸要素的控制。     

基于神经网络的集散式模糊控制系统

将神经网络技术和模糊控制技术有效的引入到集散控制系统中，并将三者有机的结合起来，使其成为一种智能型的集散控制系统 .该系统由一台神经网络处理机和多台现场模糊控制器构成，组态方便，自适应能力强，具有自学习和模糊控制规则基自校正能力，适于难以建立数学模型的复杂度高、时变因素多、惯性大的被控系统 .     

基于多准则的多层模糊神经网络学习算法

模糊算子函数丢失信息量过大,并且在某些点不存在导数,由此导致在采用传统的误差平方和准则优化网络参数时,有些参数无法得到调整,而且网络容易陷入局部极小,甚至发散.本文提出了一种基于模糊熵准则和误差平方和准则的多准则多层模糊神经网络学习算法,在一定程度上克服了单准则学习算法的局限性.     

一类模糊随机神经网络的鲁棒稳定性分析

结合Takagi-Sugeno(TS)模糊系统的研究成果.讨论一类具有参数不确定和随机干扰的模糊神经网络的鲁棒稳定性问题.通过运用Lyapunov稳定性理论,结合随机分析方法,以线性矩阵不等式的形式,建立该系统全局鲁棒稳定的判别准则.以准则推广一些已有文献的结果,具有更小的保守性.数值算例证明了结果的有效性.