模糊反向传播神经网络FBP的函数逼近能力研究

研究了模糊反向传播神经网络FBP(FuzzyBackpropagation)的函数逼近能力.给出了单调连续函数的FBP按序单调特性、连续映射定理以及非函数一致逼近定理,并且说明了FBP虽然能保持连续性映射,但不如原神经网络具有函数逼近能力.     

B样条隶属函数的模糊神经网络研究

把模糊子集的隶属函数取为Ｂ样条函数,利用Ｂ样条函数的正定性,紧密性和归一性,可以使得通常模糊系统输出中的分母削法,并且训练过程中权值的调整也限制在局部范围内,最后证明了其全局逼近特性。     

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。     

B样条隶属函数的模糊神经网络研究

把模糊子集的隶属函数取为B样条函数,利用B样条函数的正定性,紧密性和归一性,可以使得通常模糊系统输出中的分母削去,并且训练过程中权值的调整也限制在局部范围内。最后证明了其全局逼近特性。     

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网络之FCP网络对样本有更高的逼近精度。     

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。     

层次模糊系统的全局逼近性质及其与多子波神经网络关系研究

讨论了B样条基函数的特性，在此基础上证明了基于B样条隶属函数的层次模糊系统（HBFS）是全局逼近器这一重要结论。同时，根据基于B样条隶属函数的层次模糊系统与多子波神经网络在逼近问题上的等价性，对于多子波神经网络是否为全局逼近器这一问题给出了一种全新的证明方法。     

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.     

层次模糊系统的全局逼近性质及其与多子波神经网络关系研究

讨论了B样条基函数的特性,在此基础上证明了基于B样条隶属函数的层次模糊系统(HBFS)是全局逼近器这一重要结论.同时,根据基于B样条隶属函数的层次模糊系统与多子波神经网络在逼近问题上的等价性,对于多子波神经网络是否为全局逼近器这一问题给出了一种全新的证明方法.     

基于GP算法的函数逼近研究及在船舶初步设计中的应用

将基于遗传编程的函数逼近方法作为数据挖掘工具应用于船舶初步设计的参数估算中。针对学习样本不足的情况，提出利用扩充数据集避免过拟合的方法。通过应用该算法于散货船主尺度估算和船中横剖面系数的估算，对本方法的有效性进行验证。     

模糊神经网络控制器算法的研究

本文在原有的神经网络控制技术基础上,研究经网络模糊控制系统,解决了神经网络控制器存在的一些问题,并应用于实验系统中,取得了良好的实验效果。     

基于模糊神经网络的燃气轮机故障诊断专家系统研究

针对神经网络和传统专家系统在燃气轮机故障诊断过程中各自存在的局限性,提出了一种将模糊神经网络和专家系统相结合的方法.解决了以往专家系统专家知识获取困难和不能描述模糊性知识的缺陷.通过已开发的某型三轴燃气轮机运行模拟器取得典型的故障样本完成了对模糊神经网络的训练工作,最后选取一定数量的测试样本对网络进行了测试,证明了系统的可行性.结果表明,该方法行之有效,在燃气轮机故障诊断领域中有很好的应用价值.     

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。     

模糊神经网络在船舶电力推进系统状态保持中的应用研究

利用模糊神经网络的自学习能力强、并行计算快、容错性高的特点来评估船舶电力推进系统的状态。阐述模糊神经网络在船舶电力推进系统状态评测中的流程,最后通过实验得到船舶电力推进系统的推进变压器、推进变频器、推进电机3部分的评测得分,从而得到系统状态情况,在优的情况下说明船舶可继续行驶。     

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.     

基于模糊神经网络的船用锂电池故障诊断的研究

本文针对锂电池组成的船舶储能系统,分析锂电池的故障模式和表现特征,建立基于模糊神经网络锂电池组故障诊断模型,通过实验数据进行模型训练并进行仿真。仿真结果证明所提出的模型的正确性,实现锂电池的故障预警,提高系统运行稳定性。     

基于图像处理和模糊神经网络理论的船舶分类研究

本文将图像处理算法和模糊神经网络分类器相结合进行船舶分类,在研究过程中,首先利用图像处理技术进行图像分割、设定阈值、边缘检测等操作,然后建立了模糊神经网络结构,在此结构基础上进行模糊神经网络分类学习,最后采集到实测数据进行船舶分类,实验结果表明了本文算法的可行性和有效性。     

基于模糊神经网络的水声对抗器材对抗效果评估研究

将人工神经网络引入水声对抗器材对抗效果评估中,运用模糊判别的思想,建立了衡量对抗效果的模糊神经网络评估模型.该模型利用仿真试验的结果,选取隶属函数的端点值和中间值作为部分样本训练网络,通过学习拟合出对抗效果与诸因素的映射关系,结合实例,应用这种方法作了初步评估.结果表明,这种方法简便、易行,评估结果可信.     

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。