带模糊数的投资组合模型的解法研究

建立了一个预期收益率为区间模糊数,风险损失率为三角模糊数的模糊投资组合模型,且假设在交易过程中存在交易费率;并采用模糊两阶段算法去求解该投资组合模型,且通过数值算例检验模型的可行性,最后对模糊数模型和清晰数模型进行了比较.     

一种带误差修正的复合模糊模型

如何改善模糊模型的精度是模糊建模研究中的一个重要问题。为了改善模糊模型的精度,介绍了一种带误差修正的复合模糊模型。该复合模糊模型包括一个普通的模糊模型作为主模型以及若干个用于误差估计的子模型,通过将子模型的输出,即误差的估计用于主模型输出的修正,从而达到改善模型精度的目的。仿真结果证明了该复合模糊模型具有比普通模糊模型更高的精度。     

基于模糊相容关系的粗糙集的扩展

针对模糊信息系统,提出了用模糊相容关系代替经典粗糙集中的不可分辨关系来构造扩展粗糙集的方法.定义了模糊信息系统中的模糊相容关系,给出了模糊相容关系下粗糙集的表示方法及性质,证明了模糊相容关系下粗糙集模型的不同表示形式,并讨论了在模糊相容关系下模糊变精度粗糙集模型及其性质.     

结构模糊随机优化设计的数学模型

讨论了结构模糊随机优化设计数学模型的建立问题。给出了模糊随机优化设计模型的具体方法,并说明了经典结构优化设计模型、模糊优化设计模型是该文所建模型的特例。     

知识构件的模糊匹配综合评价研究

针对传统模糊匹配综合评价模型的不足,提出了改进的模糊匹配综合评价模型,并对知识构件进行了模糊综合评价,证实了改进模型的有效性.     

重复模糊简约合作对策核心的特征

将简约对策模型和模糊简约模型进行了拓展,加入重复模糊对策理论,构建了重复模糊简约合作对策模型并研究了其核心的公理化特征.     

神经网络负荷模型的综合能力研究

针对电力电子设备综合负荷模型难以用机理模型描述的现状,构造了动态综合负荷的模糊神经网络模型.该模型具有模糊推理和神经网络的优点,能很好地逼近动态负荷的模型输出.通过对已知实测建模数据的训练,分析了模糊神经网络负荷模型的前件参数、结论参数的辨识策略,阐述了模糊隶属度和模糊规则的形成过程.对负荷构成相异的4组实测变电站负荷数据,用其中1组建模数据进行训练,得出模糊模型结构和参数,用该模型去拟合其他3组数据,对模糊神经网络负荷模型的综合能力进行验证.实例表明,该模糊神经网络负荷模型不仅具有很强的自描述能力和收敛性,而且具有良好的综合描述能力.     

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先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,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最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糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.     

可变提前期的模糊随机连续盘点策略

考虑到现实库存管理中模糊随机现象,研究了含可变提前期的模糊随机连续盘点的最小成本模型。运用模糊随机变量的期望值理论,得到了其模糊期望模型;采用符号距离法得出了模糊随机缺货量的估计值,从而推导出了模糊期望成本的符号距离解析式。通过这一模型,可以找到使总成本最小的最优提前期和最优订货量。     

关系数据库的SQL模糊扩展及模糊数据存储

介绍了基于关系模型模糊扩展3个研究方向的工作成果,给出了基于关系模型模糊数据库的模糊数据划分方法和模糊关系数据库的SQL模糊扩展,依据模糊集合理论中隶属函数和隶属度的概念,运用模糊数据的划分方法得到了模糊数据的数据类型,实现了模糊数据在关系数据库中的存储.     

基于LM算法的相关模糊神经网络及其应用

针对输入变量相关性较高的非线性建模模型,经典模糊神经网络算法存在收敛速度缓慢、模糊规则数大、陷入局部最小值的问题。提出一种基于LM算法的相关模糊神经网络模型;该模型基于聚类思想,构建多变量高斯模糊隶属度函数,将其表示为不可分离的模糊关系来处理相关变量模型;再采用LM优化算法,通过Hessian矩阵和一阶梯度向量同时调整网络参数;并引入Cholesky定理缩减网络参数个数。应用LM算法的模糊神经网络模型实验结果表明,可以加快收敛速度、减少模糊规则数,比经典的模糊神经网络有更好的预测精度。     

提高估算软件成本精度的方法研究

指出已有的软件成本估算方法中的问题,提卅采用模糊神经网络方法构建软件成本的快速估算模型来提高估算精度。将60个软件项目的相关数据作为样本,分别对神经网络和模糊神经网络两种系统进行训练。将两种模型的训练和估算结果进行比较．结果显示模糊神经网络模型在软件成本估算上比神经网络模型具有更高的学习效率和估算精度。     

变结构模糊神经网络控制及其学习规律研究

提出变结构模糊神经网络控制及其学习算法,并对变结构模糊神经网络学习规律进行研究,变结构模糊神经网络中的模糊化神经网络（Ｆ＿ＦＮＮ）、模糊推理神经网络（Ｅ＿ＦＮＮ）和模糊决策神经网络（Ｄ＿ＦＮＮ）都是结构可变的,可分开进行模糊隶属函数及模糊推理的学习,其学习过程符合人脑由粗到精的认识规律,学习收敛速度比一般模糊网络快,具有很好的适应性。     

基于自组织模糊神经网络的市场占有率模型

针对现有市场占有率模型(如传统的统计方法和近年来出现的模糊模型与神经网络模型)实际预测效果并不理想的问题,结合模糊神经网络和自组织理论建立了基于自组织模糊神经网络的市场占有率预测模型．该模型无需事先确定模糊控制规则,并能通过神经网络的结构及参数学习调整模糊神经网络的结构．最后结合实例进行了仿真．结果显示该模型优于其它模型,能为企业提供有力的市场占有率定量分析工具．     

一种新的不下机器人运动控制方法

对神经网络和模糊理论在水下机器人运动控制中的应用进行了探讨,提出了神经网络多步预测模型的非线性广义模糊预测控制算法,用神经网络方法实现了对水下机器人这一非线性系统的在线计算、滚动优化和在线控制,采用强化学习方法来构筑模糊控制系统中的神经网络,给出了神经网络多步预测模型及相应的控制算法和操作过程,计算机仿真结果验证了本文所提方法的有效性。     

神经网络方法在城市需水量预测中的应用

本文详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法,并将这两种方法和灰色预测模型应用到石河子市需水预测的实证研究中.通过对这三种方法进行比较研究,发现在相关因素数据比较齐全时,两种神经网络的模拟结果精度较高,模糊神经网络方法的模拟精度最高.     

基于模糊感知器的路面性能预测方法

利用模糊感知器人工神经元网络尝试建立一个智能型路面性能预测模型，对神经网络原理和模型结构进行了系统的理论分析，给出了详细的算法，并以平整度历年调查资料为数据基础，对该模型进行了实例分析，证明了模型的理论与实际运用的可行性。该方法利用神经网络与模糊方法各自的优点，针对不同性能指标，建立对应的神经网络预测模型，来对今后的指标值进行预测，较好地解决了路面性能预测中的模糊性和不确定性。     

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。     

神经网络在决策中模糊解法

在不确定的信息条件下如何来作出最佳的决策。本文利用人工神经网络和模糊数学的有关内容为解决这方面的问题作了一些探讨。从模糊集、超模糊集的概念和人工神经网络模型表达方法出发,介绍了人工神经网络如何利用超模糊来表示。提出了神经网络在决策中的一种模糊求解方法。