Fuzzy值函数的Sugeno积分

本文讨论了 Fuzzy 值函数的 sugeno 积分的一些性质及收敛定理,从而推广 Sugeno 积分的相应结果.     

基于二级倒立摆的自适应神经网络模糊控制

针对二级倒立摆系统,提出了一种先进的智能控制策略．该种方法采用BP算法与梯度下降法结合的混合算法对Takagb-Sugeno模糊模型中的前项及后件参数进行优化修正,在已获得的客观输入输出数据对的基础上,提出一种基于自适应神经网络的模糊推理系统ANFIS来对倒立摆系统进行建模和控制．仿真结果表明,所提出的设计方法是正确的和可行的．     

Sugeno测度下的征信用户聚类研究

征信系统是典型的大数据客户系统,如何对征信用户进行合理归类,进而从类别特征中分析用户的特点,是对征信系统进行深入挖掘的焦点问题之一.在征信系统中存在着大量的频数字段,这些变量的距离不能使用欧氏距离来刻画,Sugeno积分提供了一种考虑集合序的测度框架.本研究通过使用Sugeno测度下的部分序积分,构造了两集合的Sugeno距离差,进而在此基础上,重构Kmeans动态聚类算法,通过截集阈值来控制类的合并,从而更准确地对征信用户进行归类,并初步讨论了部分类用户的画像特征.     

Sugeno型模糊复值积分及其在分类器融合中的应用

给出的模糊复值积分、Sugeno型模糊复值积分概念,研究了其基本性质;将其作为一种新的算法应用于分类问题中,对应用中的细节问题进行研究,并用1个实例对其算法进行验证,结果显示该方法具有良好的分类效果。     

Sugeno测度空间上随机变量的性质

Sugeno测度是一类有代表性的非可加测度.根据Sugeno测度空间上的gλ随机变量的定义及性质,对Sugeno测度空间上的期望、协方差、Hlder不等式等进行了研究.     

RBF网络在节假日短期负荷预测中的应用

节假日的负荷预测一直是电力系统短期负荷预测中的难点。该文采用了T－S型模糊RBF网络,提出了一种新的推理模型。该网络采用次胜者受罚的竞争学习规则决定模糊隶属函数中心,并采用梯度下降和交叉验证方法对输出权值进行学习。实验应用表明,该方法具有快速、准确性较好的特点。文中还给出了比较结果。     

基于直觉模糊值Sugeno积分算子的多属性群决策

针对现实的多属性群决策问题中,决策属性及专家偏好之间均存在不同程度的相互关联问题,提出了一种基于直觉模糊值模糊积分的多属性群决策方法. 并基于直觉模糊值模糊测度,提出了一种直觉模糊值Sugeno积分算子,讨论了该算子的性质,给出了基于该算子的多属性群决策方法与途径. 通过实例分析说明了该方法的具体应用及计算过程.     

面向语言评价的Takagi-Sugeno模糊再励学习

综合考虑再励学习的两个重要子问题 :连续空间及语言评价问题 ,提出了一种新的学习方法 ,即面向语言评价的 Takagi-Sugeno(T-S)模糊再励学习。该学习智能体构建在 Q-学习方法和 Takagi-Sugeno模糊推理系统的基础上 ,适于处理连续域的复杂学习任务 ,亦可用于设计 Takagi-Sugeno模糊逻辑控制器。以二级倒立摆控制系统为例 ,仿真研究验证了学习算法的有效性