H_∞控制理论的模型匹配

综述了Ｈ_∞控制理论设计问题中的模型匹配问题，并用实例阐明了模型匹配的Ｎｅｈａｒｉ问题简便求解方法及发展前景。     

基于Rough集理论的模糊神经网络构造方法

提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力,而模糊神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先,利用Rough集理论对给定数据集进行规则获取;然后,根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值;最后,用BP算法迭代求出网络的各种参数,完成网络的设计。给出了一个二维非线性函数拟合的实例,进一步验证了方法的正确性。     

基于粗糙集理论的模糊神经网络及其在化纤生产过程中的应用

提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练。化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性。