预测型模糊控制列车自动运行系统方案及其仿真

提出了一种改进的预测型模糊控制列车自动运行系统方案，并用仿真方法验证了该方案的可行性，重点讨论了它的性能指标的隶属度函数和控制规则的选取问题。     

模糊逻辑与神经网络技术协作系统的研究

分析了模糊系统与神经网络系统的相同及相异性。在此基础上研究了模糊逻辑与神经网络技术协作系统的结构和实现技术，并着重研究了模糊控制器的神经网络实现技术及改善神经网络学习特性的模糊控制技术。     

基于神经网络的模糊逻辑设计算法

提出了一种利用神经网络学习功能来设计模糊逻辑的方法。用类神经网络算法产生模糊规则和隶属函数，通过学习得到的模糊规则、隶属函数和以新模型推理、逆模糊化为基础的新模糊设计，显著地改进了系统性能，缩短了设计周期，将规则数目和隶属函数最优化，可有效降低系统成本。     

基于模糊神经网络的员工晋升辅助决策系统

为定量地分析企业员工晋升决策过程的影响因素，用基于实例的模糊神经网络方法，通过划分非模糊化和模糊化输入变量。改进了Takagi-Sugeno模糊模型．用包含求和、求积和求极小运算节点的扩展的pi-sigma神经网络学习算法确定结论参数和前提参数。自适应地从员工数据库中归纳出模糊逻辑关系，建立企业晋升决策的辅助系统．经算例验证准确率达75％以上．     

基于模糊神经网络的语言识别

神经网络上仍多极、并行、分布式、高度容错能力，并具有自行组织自行发展的适应性功能，能在被处理的信息内容引导下，自行改造其自身的结构及其运行规则，是研究非线性的、适应的、大脑风格的信息处理的全新工具，因此，本文提出一种模糊网络模型和自适应学习算法，并用自然语言的识别处理控制。     

基于模糊补偿的RBF神经网络机械手控制

针对机械手系统的高精度轨迹跟踪控制,提出了一种基于模糊补偿的RBF（radial basis function）神经网络机械手控制方法.该方法首先利用PD（proportional-integral）控制器获得机械手的控制策略,将其输出作为RBF神经网络的输入,并学习得到系统模型;然后运用模糊逻辑补偿器对系统扰动和建模误差进行补偿;最后,在MATLAB/Simulink平台上针对两关节机械臂,进行了有模糊补偿和无模糊补偿系统跟踪的均方根误差测量仿真实验.研究结果表明,两关节机械臂的控制精度分别提高了60.8%和71.4%,本文提出的方法能够解决机械手实际模型很难精确建立的问题,并能对系统未建模部分和扰动部分进行自适应补偿.      

基于模糊神经网络的船舶调距桨控制系统仿真

利用人工神经元网络（ANN）的学习与联想能力，模拟人的经验操作，实现对船舶调距浆系统的智能控制，在实际控制过程中，当误差及其变化率与样本点匹配时，控制器直接复现所记忆的“原则”；当与样本不匹配时，控制器通过联想以相近的“原则”处理，实现连续模糊控制。     

基于模糊识别的神经网络分类器

提出一种基于模糊识别的神经网络分类器。首先对训练样本ＸＫ进行模糊聚类，求其从属于各类别ωｉ的隶属变Ｕｗｉ（Ｘｋ）。然后利用这些训练样本和所求得的从属于各类别的隶属度，通过神经网络的学习拟合出各模式类的隶属函数，进而构造出神经网络分类器。这种方法将模糊理论与神经网络分布式联想存储的优点相结合，使无监督分类器成了有监督分类器。     

磁浮列车运行控制系统方案的研究

磁浮列车具有广阔的前景，对其列车运行控制系统方案进行系统的研究，将促进我国磁浮列车技术的进一步提升。[编者按]     

基于递归神经网络的预测模糊控制

为提高控制信息与实时状态的适应性，改善模糊控制品质，用传统模糊控制策略，根据当前时刻误差和预测误差变化值，预测下一时刻的控制输出和系统在未来时刻的误差,用递归神经网络预报系统未来输出值的功能，采用双系统交替控制模式．系统中包含1个模糊控制器和1个递归神经网络，一个工作，另一个学习，使控制系统具有自适应性．仿真结果表明，与常规模糊控制相比，预测模糊控制使超调减小，调节时间缩短．     

铁路旅客列车运行质量模糊逻辑判别方法

以铁路旅客列车为研究对象,从舒适性、经济性、时效性、超载率4个方面,对旅客满意度进行调研。从车站能力可靠性和区段通过能力可靠性两个方面,对列车运行能力进行评价。综合考虑旅客满意度和列车运行能力这两个指标,运用模糊逻辑方法,在二维平面内对旅客列车运行质量进行评价。     

基于动态神经网络的经典逻辑公式计算方法

对经典逻辑公式计算进行了深入的探讨，结合神经网络理论提出一种动态神经网络的计算方法，并分析了基于数据库串行实现的步骤．介绍了针对经典逻辑系统运算符的单元设计、动态神经网络的生成算法与存储方法和公式计算算法，分析了算法的正确性和计算复杂性，同时举例说明了这种方法的有效性，为逻辑公式的计算提供了一种可行思路．     

扰动模糊逻辑算子组

在扰动模糊逻辑命题及其算子的基础上,定义了扰动模糊逻辑算子组的概念,讨论了扰动模糊逻辑算子组的性质.从而使经典模糊逻辑的概念及性质得到进一步的推广,同时也揭示了在这种由一维到二维的推广中存在的问题.最后,从代数观点研究了扰动模糊逻辑算子组与经典模糊逻辑算子组之间的同态关系.     

扰动模糊逻辑算子组

在扰动模糊逻辑命题及其算子的基础上,定义了扰动模糊逻辑算子组的概念,讨论了扰动模糊逻辑算子组的性质.从而使经典模糊逻辑的概念及性质得到进一步的推广,同时也揭示了在这种由一维到二维的推广中存在的问题.最后,从代数观点研究了扰动模糊逻辑算子组与经典模糊逻辑算子组之间的同态关系.     

基于模糊神经网络的隧道围岩分级系统

将模糊集和神经网络相结合,用神经网络结构来实现模糊系统,并采用神经网络学习算法调整模糊系统的参数,提出了隧道围岩分级系统模型。根据收集到的围岩分级资料作为样本来训练和检验网络模型,并与BP网络模型结果进行比较。计算结果表明该系统可方便有效地实现隧道围岩分级,为工程施工提供依据。     

模糊神经网络的控制原理研究

针对模糊控制系统存在的缺陷,讨论了模糊神经网络的基本组成,重点分析了神经网络控制系统的控制原理,这对神经网络控制系统的应用研究具有十分重要的意义。     

基于模糊神经网络模式分类的数据挖掘算法

提出了一种基于模糊神经网络模式分类的数据挖掘算法--把模糊理论和神经网络结合起来,构造及训练模糊神经网络.给出了基于模糊神经网络的学习算法,通过仿真验证了该算法的正确性.     

基于模糊逻辑的路径选择模型

为有效解决路径选择行为中的不确定性问题,采用模糊逻辑方法建立路径选择模型。用三角模糊数描述路径行驶时间,并建立一定的模糊规则,然后,用近似推理方法两两对比可选路径,在对比矩阵基础上计算各条路径的权重,即路径被选择的概率。最后,对路径选择模型进行算例应用,验证了模型的有效性。