一种用于非线性逼近的新型模糊神经网络

针对一般非线性映射的逼近问题，提出用分域逼近的通用算法来实现全局逼近，并据此构造了实现该算法的新型模糊模糊神经网络。通过仿真，将新型模糊神经网络和常用的BP和RBF两种神经网络进行比较。结果表明，该新型模糊神经网络的非线性逼近能力明显优于后两者，且权值具有明显的几何意义，设计难度相对较小，可用于解决复杂非线性函数的逼近问题。     

知识“溶化”技术及无搜索快速求解智能系统的建立

介绍了一个模糊神经网络专家系统．研究了知识的“溶化”技术，即导入算法；无搜索快速推理；导出算法．对用三分法确立输入变量隶属函数及模糊规则求精作了有益的分析．用以上理论对连续推钢式加热炉进行控制，控制效果较为理想．     

知识“溶化”技术及无搜索快速求解智能系统的建立

介绍了一个模糊神经网络专家系统研究了知识的“溶化”技术，即导入算法，无的搜索快速推理、导出算法，并对用三分法确输入变量隶属函数及模糊规则求精作了有益的研究。用以上理论对连续推钢式加热炉进行控制，控制效果较为理想。     

一种模糊推理模型

建了一种新的模糊推理模型，并讨论了推理结果的模糊集估计，以及组合多个结果的模糊集方法。     

一种基于模糊决策表的知识获取方法

本文描述了一种基于模糊逻辑的决策表方法，该方法可用于构造知识库。     

高炉异常炉况判断专家系统及神经网络的实现

提出高炉异常炉况判断专家系统原理及实现方法。针对一般专家系统知识获取“瓶颈”现象，引入神经网络实现高炉异常炉况判断。仿真结果表明，这种方法实用可行，为高炉异常炉况判断采用神经网络实现提供了１个很好的实例。     

一种基于宏启发搜索策略的神经网络学习算法

神经网络的学习是全局优化问题，Ｔａｂｕ搜索是一种非常有效的求解全局优化问题的宏启发搜索策略，文章根据Ｔａｂｕ思想和松弛原理，提出了一种多层网络学习算法。初步实验表明该方法是有效和快速的。     

一种模糊神经网络自校正控制器设计与应用

本文提出了一种模糊神经网络智能控制方法，并介绍了采用多层神经网络表达模糊控制和知识规则，模糊推理和学习算法，实验仿真结果表明，这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性质优于一般模糊控制。     

专家能力的模糊神经网自组织控制器

为实现酒精发酵变温控制，提出一种新的，具有专家调整策略的神经网络自组织模糊控制器，用神经网络代替传统模糊控制器逻辑规则推理合成运算或查表，减少了工作量，采用一种对量化，比例因子进行专家调整的策略，使系统响应的上升时间减少，超调量降低，控制器的鲁棒性，稳定性均良好。     

一个面向对象的问题求解环境

叙述了面向对象的专家系统构造工具ＯＥＣ所提供的问题求解环境。系统取消了统一的推理机构，以对象作为知识的基本元素和问题求解的独立单元，形成了一个将多种知识表示形式、多种问题求解机制融于一体的面向对象的环境。本文着重介绍多种问题求解方式的形成，以及彼此之间的调用与协调。     

神经网络专家系统的状态识别,知识表示和求解策略

将神经网络与人工智能技术相结合，提出了１种新型的知识表示的形式化描述和知识单元，知识通过模式分类导入，并用ＩＭＳＢＰ和（Ｂ－Ｂ）ＢＰ调节２种不同类型的权，在此基础上提出了神经网络的双向求解策略，以加炉控制验证了其可行性。     

专家系统的研究与探讨

回顾专家系统发展的历史和现状。对目前比较成熟的专家系统模型进行分析，指出各自的特点和局限性。最后介绍了新型专家系统。     

模糊神经网络控制系统

介绍了将神经网络和模糊控制相结合,即用人工神经网络算法产生模糊推进规则和隶属函数,再基于这些模糊推理规则和隶属函数产生模糊逻辑控制的一种新颖控制策略-模糊神经网络系统的组织结构及其神经网络的设计。     

软计算及其新一代模糊控制器

介绍了软计算的概念及构成软计算的三个组成部分：模糊逻辑、神经网络和概率推理,并讨论了以软计算为基础的新一代模糊控制器．     

智能化系统的有机组合推理及优化

智能化系统中推理是其中的重要组成部分，推理算法决定了系统智能化水平的高低。针对智能化系统的推理，利用专家系统推理、模糊逻辑推理、神经网络推理的互补性，提出了由专家系统、模糊逻辑、神经网络有机结合构成的组合推理及优化的技术，充分发挥各个推理的优势和克服单一推理的不足。采用公用专家知识库供各个推理的有机组合和并行运行，利用优化算法优化各个推理结果，可实现知识的共享、推理算法的有机融合及组合推理的优化，同时解决组合推理的推理冲突并提高组合推理的效率。分析及应用结果表明，有机的组合推理与优化能有效地应用于工程实际，有利于提高智能化系统的推理水平。     

四色图着色问题的混沌神经网络解法

采用一种基于退火策略的混沌神经网络（ACNN）算法求解四色图着色问题。将混沌机制引入H0pfield神经网络（HNN），利用混沌的遍历性进行随机搜索，由退火策略控制混沌动态退出和倒分岔出现，使ACNN逐渐趋于一般的HNN．从而既避免了陷于局部极小，又加快了收敛速度，使网络能快速收敛到一个全局最优或近似最优的稳定平衡点。仿真结果表明，这是一个能有效求解四色图着色问题的全局最优化算法。