基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK(Sugeno-Tanaka)模糊系统的优点，提出了改进的模糊对向传播神经网络Improved-FCP，并给出了其学习算法。实验结果表明Improved-FCP网络较之FCP网络对样本有更高的逼近精度。     

基于粗糙集的模糊神经网络建模研究

利用粗糙集从数据库中发现规则的能力，确定模糊神经网络的初始拓扑结构，再利用原始数据对网络进行训练。由于这样构造的模糊神经网络一开始就具备了良好的符合数据分布特性的拓扑结构，因而可以大大减小网络规模，提高网络训练速度。数值实验结果表明了该方法的有效性。     

复合模糊神经网络在故障诊断中的应用研究

对于复杂的诊断对象，本文提出了一种复合模糊神经网络结构，该神经网络结构集成了一系列模糊神经子网络，来完成故障分类任务。文中以某高温硝酸冷支系统为诊断对象，以系统故障树为设置子网的基础，建立了含有多个子网的复合模糊神经网络。仿真结果表明了这种方法的可行性和有效性。     

公路客运模糊规划模型及其应用

本文从系统工程的观点出发，应用模糊系统分析的理论和方法对公路客运网络进行系统分析，对客运系统中合理的运行组织、车次和车型及线路的优化组合等一系列问题进行了研究，建立了公路客运网络的模糊规划模型，并以具体例子讨论了模型应用。     

新定义模糊Hopfield神经网络的稳定性研究（Ⅰ）

提出了一类新定义的模糊Hopfield神经网络（NFHNN）。在此基础上，对该网络一致稳定性和吸引子的Lyapunov稳定性进行了研究，并且给出了一个模糊模式是该网络吸引子的充要条件。     

神经网络理论与模糊理论在目标威胁判断中的应用

本文应用模糊理论和神经网络理论为构造网络，根据模糊决策表选用不同的网络计算目标的威胁度并排序。选用几种典型样本的参数并集中了专家的经验，对样本进行训练，效果良好。计算机仿真结果表明，此算改进了目前常用算法中存在的不足。     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(PCM)算法和模糊对向传播神经网络相结合，解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题，在此基础上结合卫张(Sugeno Tanaka Kang)模糊模型，提出了改进的模糊对向传播神经网络Improved FCP，并给出了学习算法。对两种典型的非线性模型进行实验研究，实验结果表明Improved FCP网络具有良好的非线性逼近能力。     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(FCM)算法和模糊对向传播神经网络相结合,解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题,在此基础上结合TSK(Sugeno Tanaka Kang)模糊模型,提出了改进的模糊对向传播神经网络Improved FCP,并给出了学习算法.对两种典型的非线性模型进行实验研究,实验结果表明Improved FCP网络具有良好的非线性逼近能力.     

基于形态学和模糊运算的新联想记忆网络：模糊形态学联想记忆网络

提出了一种新的基于形态学和模糊运算的联想记忆网络-模糊形态学联想记忆网络FMAM（Fuzzy Morphological Associative Memories）。它与经典联想记忆有显著不同，文中分析了FMAM的记忆能力以及抗腐蚀和膨胀噪声的能力。自联想FMAM具有无限存储能力，能保证完全回忆，并且回忆在一步内完成，可模糊性解释等。仿真实验验证了自联想FMAM的良好性能。     

酶发酵过程模糊预测控制

介绍一种基于模糊逻辑的预测方法，通过对发酵过程的模糊辨识，建立模糊预测控制模型。该模型应用于木糖醇发酵过程，取得了良好的效果。     

基于模糊综合评判的汽车传动轴模糊优化设计

综合运用模糊数学理论和优化设计方法，建立起了基于模糊综合评判的汽车传动轴模糊优化设计的数学模型，对汽车传动轴模糊优化设计方法进行了探讨，并给出了设计实例。结果表明，基于模糊综合评判的汽车传动轴模糊优化设计，是一种更具有工程实用价值的综合设计方法。     

基于模糊神经网络的柴油机排气噪声预测

应用模糊神经网络FNN（Fuzzy Neural Networks）的模糊推理对噪声数据的预测进行了研究分析。和传统的BP网络方法相比，模糊神经网络具有概念清晰，逻辑清楚，且不会限于局部极小点等特点，实验结果充分证明了这种方法的有效性，并且本文用较小规模的正交试验数据作为训练样本，达到了试验量少效果好的目的。     

模糊神经网络在故障诊断中的模型与应用

对一种地模糊神经网络的故障诊断方法进行了研究，探讨了模糊误字率攻模糊算了选择，以柴油示功图作为特征信号，构造了船舶主机故障诊断仿真系统，并给出了系统知识学习和模糊推理结果。     

基于TSK模糊系统的改进CMAC超闭球网络结构

充分利用了TSK（Sugeno-Tanaka)模糊系统的优点，提出了改进的CMAC（Cerebellar Model Articulation Controller)超闭球结构网络，给出了其学习算法，实验结果表明改进的CMAC超闭球结构网络较之CMAC超闭球结构网络对样本有更高的逼近精度。     

基于模糊多层感知机的模式分类方法的研究

本文着重研究应用模糊神经网络来进行模式分类的问题，提出了一种基于模糊多层感知机的模式分类方法，学习方法采用自适应ＢＰ算法，这个网络最显著的特征是能处理网络输入，输出的不确定性和不准确性，并可以进行规则解释，输入隶属函数的中心和半径根据数据分布情况处动生成，输入向量由类隶属度决定，对该方法进行检验的结果表明它是是切害可行的，其分类的精度很高，明显优于非模糊分类器。     

基于RBF网络和遗传优化的船舶操纵模糊控制器

设计了一种基于RBF网络和遗传优化的船舶操纵模糊控制器。首先讨论了传统模糊控制器应用于船舶操纵控制的不足，然后根据模糊系统在特定情况下与RBF网络具有等价关系的特点，采用具有加权平均输出的RBF网络构造了一个船舶操纵模糊控制器，有效地消除了小偏差范围的舵角抖动现象。在此基础上，根据船舶操纵的特点提出了一种尺度变换因子的自整定方法，并采用遗传算法对自整定过程中的可变参数进行优化，以使控制器能够适应实时控制过程中的时变性和不确定性，保持良好的控制性能。最后针对某大型船舶的非线性模型，采用Matlab 6．1的Simulink工具进行了转艏操纵仿真试验，获得了满意结果。     

（∈，∈∨q）型模糊半群

给出了（∈，∈∨q）一型模糊半群，（∈，∈∨q）一型模糊理想的定义，讨论了（∈，∈∨q）一型模糊半群的一些基本性质。     

新型模糊系统MK的改进模糊系统IMK研究

仿照TSK模糊模型，对新型模糊系统（MK）进行了改进。并证明了在一定的条件下该改进的模糊系统（IMK）与标准模糊系统是等价的。然后用Stone-Weierstrass定理证明该模糊系统仍然具有全局逼近特性。最后，通过两个应用程序比较了该模糊系统改进前后的逼近精度、泛化能力和收敛速度。     

基于粗糙集的模糊神经网络建模研究

利用粗糙集从数据库中发现规则的能力,确定模糊神经网络的初始拓扑结构,再利用原始数据对网络进行训练.由于这样构造的模糊神经网络一开始就具备了良好的符合数据分布特性的拓扑结构,因而可以大大减小网络规模,提高网络训练速度.数值实验结果表明了该方法的有效性.     

新定义模糊Hopfield神经网络的稳定性研究(Ⅰ)

提出了一类新定义的模糊Hopfield神经网络(NFHNN).在此基础上,对该网络一致稳定性和吸引子的Lyapunov稳定性进行了研究,并且给出了一个模糊模式是该网络吸引子的充要条件.