格值时态命题逻辑LTP(X)的语义问题

在格值命题逻辑系统LP(X)中引入时态算子E(曾经)和F(将会)以及它们的对偶算子H(曾经总是)和G(将会总是)，建立了一个以时轴为语境的格值时态命题逻辑系统LTP(X)，讨论了LTP(X)与时间相关的一系列性质及时态词的重叠问题，证明了MP语义规则和HS语义规则在该系统中成立。     

基于模糊神经网络的Horn集上的输入归结

关于定理机器证明的归结原理已应用到人工智能的很多领域，同时提出了各种改进方法，其中，输入归结是一种非常好的推理方法，它对于Horn集是完备的，模糊神经网络是模糊逻辑与神经网络的融合，文中利用模糊神经网络的知识表示及学习的特点，结合输入归结的优点，进行Horn集上的输入归结。     

格值命题逻辑系统Lvpl中的推理规则

为描述取小、多重推理、多维推理等实际推理方法，在格值命题逻辑系统Lvpl中，引入了几类相应的推理规则．这些推理规则由语法和语义两部分组成，且在两部分之间存在一定的协调水平．证明了对于适当的语法语义协调水平，当Lvpl的公式集的L型模糊集为同态映射时，它们关于这几类推理规则都在一定程度上封闭.     

基于完全剩余格值逻辑上的不分明化环

运用应明生教授提出的完全剩余格值逻辑Ｌ语义的方法引入了不分明化环的概念，并且讨论了这类环（－环）的一些性质。     

基于有限格蕴涵代数的格值命题逻辑语法系统

以有限格蕴涵代数为真值域，建立了基于有限格蕴涵代数的格值命题逻辑系统；采用公理化的方法，给出了该系统在A水平上的语法导出、证明和协调性等基本定义，并证明了系统的可靠性定理、协调性定理、弱完备性定理和弱演绎定理．     

Nonlinear inverse modeling of sensor based on back-propagation fuzzy logical system

Objective To correct the nonlinear error of sensor output, a new approach to sensor inverse inodeling based on Back-Propagation Fuzzy Logical System （BP FS） is presented. Methods The BP FS is a computationaiiy efficient nonlinear universal approximator, which is capable of implementing complex nonlinear mapping from its input pattern space to the output with fast convergence speed. Results The neuro-fuzzy hybrid system, i.e. BP FS, is then applied to construct nonlinear inverse model of pressure sensor. The experimental results show that the proposed inverse modeling method automatically compensates the associated nonlinear error in pressure estimation, and thus the performance of pressure sensor is significantly improved. Conclusion The proposed method can be widely used in r nonlinearity correction of various kinds of sensors to compensate the effects of nonlinearity and temperature on sensor output.     

格蕴涵代数中滤子的若干性质

首先给出了滤子的几个等价条件,接着定义了固执滤子,证明了固执滤子,极大关联滤子,极大正关联滤子相互等价,得出了越滤是固执滤子及固执滤子是索滤子的结论。最后通过蕴涵同态给出了格蕴涵代数L的固执滤子的一个等价条件,即对任意一个格蕴涵代数L′,总存在一个从L到L′蕴涵同态,使这个滤子就是同态的对偶核。     

基于观测器的一类非线性系统的自适应模糊控制

针对一类单输入单输出非线性不确定系统,在系统不完全直接可测的情况下,基于李亚普诺夫理论设计方法,通过采用自适应模糊逻辑系统逼近被控对象的未知非线性和引进一种误差观测器,设计了一种基于观测器的鲁棒自适应模糊控制。该方法考虑了函数逼近误差和系统外扰的存在,给出了这个界的自适应估计项,最后证明了所设计的控制器稳定收敛。     

基于神经网络/模糊逻辑系统的混合式特征提取器

特征提取是水声目标分类的关键环节之一，用以获取各类目标的一些可鉴别性特征。螺旋桨轴频、叶率和叶片数是目标的本质性、鉴别性特征，是分类的重要线索。本文提出了一个基于神经网络／模糊逻辑系统的混合式特征提取器，先利用侧抑制神经网络从目标辐射噪声的包络谱中提取线谱序列，再利用模糊逻辑系统从线谱序列中提取出螺旋桨轴频、叶率和叶片数。对目标数据的分析表明：该特征提取器能够为目标分类提取有效的鉴别性特征。