T—S型模糊RBF神经网络快速学习算法

针对Ｔ－Ｓ型模糊ＲＢＦ神经网络输入空间模糊最优聚类算法运算量大、运算速度低的缺点,提出基于输出空间模式聚类的快速学习算法,以满足多变量系统实时性要求。仿真结果表明该快速学习算法不仅可以达到要求的辨识精度,而且可有效地提高运算速度。     

T-S型模糊RBF神经网络快速学习算法

针对Ｔ－Ｓ型模糊ＲＢＦ神经网络输入空间模糊最优聚类算法运算量大、运算速度低的缺点,提出基于输出空间模式聚类的快速学习算法,以满足多变量系统实时性要求．仿真结果表明该快速学习算法不仅可以达到要求的辨识精度,而且可有效地提高运算速度     

T-S型模糊RBF神经网络的结构研究

提出Ｔ－Ｓ型模糊ＲＢＦ神经网络模型结构,讨论该模型参数的输入空间模糊最优聚类学习算法．仿真结果验证了学习算法的有效性和可行性,表明Ｔ－Ｓ型模糊ＲＢＦ神经网络可逼近任意多变量非线性函数．     

模糊 RBF 网络简化模型研究

在一定的前提条件下,提出一种简化的模糊ＲＢＦ网络模型．该网络由输入层、模糊化层、模糊联结层、合成联结层和输出层组成．同时,还给出网络的构造方法和自学习方法．仿真结果表明此网络对非线性、多变量函数具有良好的逼近能力．     

参数在线辨识的模糊神经网络Smith控制器

将多变量系统的Smith预估器参数的在线辨识方法的研究结果运用到多变量模糊RBF神经网络控制系统中,构造多变量模糊RBF神经网络Smith预全控制器,详细地阐述了控制器的结构和设计方法,并对一个双输入双输出对象进行仿真研究,仿真结果表明所构造的控制器具有的控制效果,且当对象的特性发生变化时,系统仍具有较好的辨识效果,控制器具有一定的鲁棒性和自适应能力。     

模糊RBF网络简化模型研究

在一定的前提条件下,提出一种简化的模糊ＲＢＦ网络模型,该网络由输入层,模糊化层,模糊联结层,合成联结层和输出层组成,同时,还给出了网络的构造方法和自学习方法,仿真结果表明此网络对非线性,多变量函数具有主好的逼近能力。     

高校实验中心建设模式利弊分析与对策

总结目前国内高校实验中心的主要建设模式，对各种模式的成因和利弊进行了分析，指出今后发展的趋势，并提出两种主要发展模式中存在问题的解决方案。     

新人才培养战略下的实验室建设与管理研究

随着国家创新人才培养的战略实施,高校的实验室建设和管理也进行了相应的改革。反思传统实验室建设与管理,对新时期高校实验室的建设、实验室技术队伍的建设、实验室管理改革与实验室效益的提高进行了探索。特别论述了教学实验室和科研实验室两者相结合进行建设对创新型人才的培养、教师队伍建设及科研水平提高的影响。     

T—S型模糊RBF神经网络的结构研究

提出Ｔ－Ｓ型模糊ＲＢＦ神经网络模型结构,讨论该模型参数的输入空间模糊最优聚类学习算法。仿真结果验证了学习算法的有效性和可行性,表明Ｔ－Ｓ型模糊ＲＢＦ神经网络可逼近任意多变量非线性函数。     

高校实验室综合管理系统的探索与实践

介绍了高校实验室综合管理系统应用的背景,并对系统的模块、特色和使用效果进行了分析,指出了高校实验室综合管理系统应用的必要性,为高校实验室建设和管理水平的提高提供了良好的信息平台。