神经网络在模糊综合评价中的应用

运用神经网络确定模糊综合评价中的权重值，使权重值更符合实际情况，采用梯形公式的四元组形式表达网络中的隶属函数，利用反向传播算法训练网络，得到较好的训练效率和效果．将该方法应用于液压凿岩机的性能评价，得到了满意的结果。     

基于模糊神经网络的混合联接γ算子的建立与应用

利用模糊数学方法及神经网络理论建立了混合联接算子γ－模型，给出了一个应用实例，为在实际中所遇到的高阶、大滞后、不确定性控制问题提供了一种可行的解决方案。     

模糊综合评价的一种神经网络方法

将神经网络理论应用于模糊综合评价，首先引入因素空间的概念，在因素空间中给出了一种基于三层神经元的多用量化模糊综合评价方法，并利用LMS算法及矩方法研究了该模型权重及学习步长的确定方法，实现了权重及学习步长的网络学习，最终实现了等级评价值的计算机输出．较好地解决了传统的综合评价方法中各指标的权数受人为因素的影响这一难点问题．     

模糊神经网络的发展

介绍了模糊神经网络及其提出,论述了模糊神经网络现状,探讨了模糊神经网络的不足与展望。     

基于模糊统计的隶属函数神经网络实现方法

采用模糊统计方法获得有限对离散的隶属函数关系，并用神经网络将此关系综合成连续函数表达形式。这一方法进一步完善了隶属函数的统计求法，丰富了经典插值方法，有利于模糊数学理论应用于希望实现并行处理的模式识别等研究领域。     

基于改进隶属度函数的电能质量模糊综合评价

通过分析电能质量模糊综合评价中的隶属度函数问题,提出了一种改进的隶属度函数来量化刻画电能质量评价指标各质量等级的模糊特性,从而实现更为细致的电能质量的模糊综合评价,解决了电能评价指标两质量等级之间难以建立联系和量化刻画的问题.文中首先对电能质量指标的权重、确定隶属度函数参数的指标限值及质量等级划分问题进行了分析;然后以传统的岭形函数为基础进行改进,得到基于评价指标质量等级的隶属度函数,并对电能质量的各项评价指标建立了模糊模型;最后运用所设计的算法对某地区的电能质量数据进行评价,结果验证了文中方法的实用性和有效性.     

基于AHP的模糊综合评价方法在交通保障方案优选中的应用

根据交通运输的重要地位,提出在应急情况下采用基于层次分析的模糊综合评价法对候选的保障方案进行评估和选择,并通过介绍两个主要模块的设计来说明系统的实现．     

船舶适航性的模糊综合评价

根据安全评价理论、风险评估理论,通过专家调查方式确定影响船舶适航性的评价指标并按照重要程度进行分类,然后采用判断矩阵法计算评价指标的权重,运用模糊集合理论确定隶属函数,进而建立数学模型,实现对船舶适航性的模糊综合评价.结果表明评价模型及其评价结果与实际情况基本吻合.     

模糊综合评判算法的改进

针对模糊综合评判法在实际应用中存在的缺陷,即用一个精确程度去度量某元素是否属于某一模糊子集并不能客观反映真实情况,且用"取大取小"方法确定M(∨,∧)模型的评价向量也存在错误,提出一种改进的模糊综合评判法——扰动模糊综合评判法.该方法在一般模糊综合评判法基础上,运用扰动模糊子集和隶属区间的扰动算子,对一般模糊综合评判法重新进行了系统性的完善.采用该方法对电子政务绩效进行评价,能够取得一定的成效.     

模糊可靠性分析中基于神经网络技术的隶属函数确定方法

简要介绍了人工神经网络技术的含义,提出了基于神经网络技术的隶属函数求解方法,并用实例证明了该方法的实用性和可靠性.     

军事科技人员综合素质模糊评价体系的神经网络模型

根据人工神经网络的理论,利用BP神经网络建立了军事科技人员综合素质的模糊评价模型,通过仿真和实例测试了模型评价的有效性。     

模糊综合评价方法的改进

模糊综合评价是对许多综合问题进行评价的一种有效方法，在环境、采矿等工程领域均有广泛的应用。通过对目前较为流行的模糊综合评价方法进行分析，指出了其取大取小算法和最大隶属度原则存在的不合理性，给出了改进算法，并引入综合评分方法作为最终评价结果。应用实例表明，给出的算法所得评价结果较为合理可靠。     

基于Matlab-FIS的土壤中重金属污染模糊综合评价

运用Matlab软件的FIS(Fuzzy Inference System)及相关函数,结合模糊综合评价方法,确立了土壤中Hg等6种重金属污染因子的隶属度函数。通过对Matlab-FIS-sugeno模型权重的归一化,使其适应于加权模糊型算子的模糊综合评价,从而拟建了基于Matlab-FIS-sugeno的土壤中重金属污染模糊综合评价模型,并利用该模糊综合评价模型对铜陵有色金属矿区农田土壤中的重金属污染状况进行了评价;评价结果与实际情况比较吻合。     

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）。     

织物风格的模糊综合评价

对织物风格评价的因素进行了深入的分析,提出了用模糊评价的方法对织物风格进行综合评价,构造了各因素对评语集合的隶属度函,通过实例分析,可有效地进行织物风格的等级评价以及对同一等级织物风格进行比较。     

环境质量模糊综合评价级数的研究

针对环境质量模糊体系的特性,采用模糊综合评价方法,对模糊评价方法中的运算算子、权重因子以及评价指数作了探讨和研究,提出建立“模糊综合评价级数”新的评价方法。     

模糊综合评判结果定量化研究

模糊综合评价广泛应用于复杂过程工业系统的安全评判工作,但其对评判结果的处理一般采用定性分析方法,某些情况下分析结果还存在一定程度的不一致性。本文针对这一问题,提出了一种定量分析方法,采用定量分析指标Cx描述模糊综合评判的结果,当模糊综合评价中任意影响因素等级提高时,指标Cx都会相应增加,具有较高的灵敏度和一致性。本文通过实例证明,指标Cx的灵敏度和一致性与模糊综合评价过程中的隶属函数和因素等级数相关,可以用于进行隶属函数的选择和评价。     

模糊优选神经网络及其在综合后评价中的应用

将模糊优选理论与神经网络理论相结合,确定网络拓扑结构：隐含层数、隐含层节点数与节点激励函数的合理模式。将模糊优选的相对优属度模型作为人工神经网络的激励函数,建立模糊优选神经网络权重调整BP模型,实证研究表明,模糊优选BP神经网络模型,可以较好地应用于综合后评价。     

基于隶属度-遗传神经网络模型的水质综合评价

针对水质综合评价问题,提出了基于隶属度-遗传神经网络的水质综合评价模型.水质综合评价模型对反向传播神经网络初始权值和阈值用遗传算法优化,并将隶属度的概念引入遗传神经网络,以便确定水质污染影响因子和水质等级.以苏帕河梯级电站水质监测数据为例,对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法提高了运算精度,减小了全局误差,均方误差降低至6.337 14×10-5,用于水质综合评价合理、准确,有其独特的优越性.     

基于模糊神经网络的太湖富营养化评价应用

根据湖泊营养化程度影响因素多,评价因素与富营养化等级间的关系复杂且是非线性的.而神经网络和模糊系统各有优点,研究者将二者结合建立模糊神经网络模型用于太湖营养化评价,当固定学习速率η大于0—1内某一值,将导致网络算法不收敛,因此文中采用自适应调整学习速率,实验表明,该模型具有较快的训练速度和较高的精度.