类似CMAC的模糊神经网络及其在控制中的应用

提出的一种模糊神经元网络是模糊逻辑的一种网络结构的实现。该网络由特征网络 和功能网络两部分组成。特征网络用来产生模糊规则的前件，相应于每条规则的适用度。功能 网络用来实现模糊规则的后件。最后的输出则为各模糊规则后件的加权和。该网络具有小脑模 型关节控制器（ＣＭＡＣ）的一些性质，具有神经元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。文章同时给出了网络在控制中应用的两种实 现结构以及用作非线性映射的一个算例。     

非线性信道判决反馈递归神经网络自适应均衡器

针对存在严重符号间串扰及轻度非线性畸变的数字信道，提出了一种判决反馈递归神经网络为均衡器，它将传统的线性信道判决反馈结构巧妙地融入递归神经中，在自适应训练时用期待２信号代替判决反馈信号。     

自适应神经网络智能控制研究

本文提出用神经网络实现自适应智能控制，具有算法及结构简单的特点，在实际控制中有一定适用性     

基于神经网络的自适应控制器的研究

本文研究了神经网络控制未知动态系统的可行性，提出了几种自适应控制结构，并研究了在不同条件下各种结构的性能变化，给出了不同条件下的仿真结果及一些结果分析。图１３，参４．     

基于自校正与线性跟踪的自适应控制系统

提出一种新的自适应控制方法──基于自校正与线性跟踪的自适应控制．从系统的输入／输出完全跟踪的目标出发，根据对象的动态模型，导出自适应控制器的调节模型．对象模型的参数，采用速推最小二乘法在线估计．仿真结果表明，本系统具有对象参数变化的自适应能力．这种控制系统比较适用于被控制参数变化较慢的生产过程．     

基于参数在线自调整的自适应模糊控制器研究

分析了模糊控制器的量化因子和比例因子对系统性能的影响，设计了一种自适应模糊控制器，能够在线调整其量化和比例因子以适应被对象的变化，仿真结果表明该模型控制器能获得常数规模控制器优良的控制效果。     

一类随机系统的自适应滤波

讨论一类含时变未知参数的随机系统，给出该系统在系统状态噪声与量测噪声于有限时间区间上相关情况下的自适应滤波递推公式，并给出相应的滤波算法     

离散多变量系统的一种实用MRAC方案

将连续系统从模型取状态方案推广到含有可测扰动的离散多变量系统 .算法对扰动具有鲁棒性 .将误差引入控制器 ,设计出的 MRAC系统可不必预知系统参数的变化范围 ,可选择的适应律有更多的自由度     

双参数动力学系统中混沌的自适应控制

作者研究了双参数力学系统中混沌的自适应控制，然后将控制方法应用到ｍ维双参数动力学系统实例上，得到了很好的控制结果。     

AN EFFICIENT PROCESSING TECHNIQUE FOR MULTIPARAMETER RADAR MEASUREMENTS

本文重点讨论根据（双偏振）天气雷达测量数据估计相差比Ｋｄｐ和线性去（偏振比ＬＤＲ本征值的信号处理技术。）从雷达测量的距离曲线提取有效数据段对参数的估计质量起着关键作用，尤其是对于由多个离散分布的小云团组成的暴雨结构，这更为重要。首先对原始数据的距离曲线进行适当的低通滤波，然后再对预处理过的数据应用自适应滤波。这个技术成功地应用于对风暴结构的精确分析和对降雨量的准确估计。