基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法, 在该算法中对每个染色体都采用递阶编码, 并提出一种改进的交叉算子, 可以同时优化模糊神经网络结构和权值参数. 算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价, 且对应一个实际问题, 可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例, 从而生成一个适当的模糊神经网络模型. 模拟实验结果验证了该算法的有效性.     

用群体启发进化规划求解高维优化问题

提出一种新的进化规划方法,群体启发进化规划（PHEP）,在进化过程中,通过控制群体的4个参数,把握群体中个体分布情况,并通过这些信息有效地调整个体的变异步长,克服了传统EP方法变异步长修正的盲目性.将PHEP方法应用于高维优化问题,实验结果表明,PHEP方法在高维条件下的性能明显优于其他EP方法.     

融合先验分布的多表征眼底稀有病症识别

针对眼底稀有病症图像标注样本少,难以满足深度网络训练需求,提出了融合先验分布的多表征(MFPD:Multi-representation Fused with Prior Distributions)眼底稀有病症识别模型。在预训练模型的基础上进行微调得到嵌入模型,获取特征嵌入先验分布。将嵌入特征映射到不同空间,以不同视角提取图像特征,并在交叉熵损失的基础上,加入散度损失,增加不同视角特征的差异性,高效利用稀有病症图像信息,以减小样本量较少对模型的影响。采用OPHDIAT(Ophtalmologie-Diabète-Télémédecine)眼底图像数据集,将该方法与其他方法进行对比,实验结果证明了该方法的有效性。     

动态模糊逻辑程序设计语言编译器的实现

动态模糊逻辑程序设计语言的独特优势在于可以处理动态模糊数据,但现存的编译器很难有效解析动态模糊数据。针对此问题,通过扩展监督命令程序结构,引入对动态模糊性的形式化描述,设计一种新型的动态模糊逻辑程序设计语言编译器。通过实例验证,该编译器能正确解析动态模糊数据,降低了动态模糊逻辑程序调试难度,提高了动态模糊逻辑程序开发效率。