【摘 要】
：
提出了一种基于高斯型分布模糊集的Fuzzy min-max人工神经网络.它继承了原有Fuzzy min-max网的优点,并可以输入n维高斯分布的模糊量.该网络引入了模糊集贴近度的概念,对网络中的超盒隶属度函数进行了新的定义.最后在自动目标识别的仿真实验中,验证了该神经网络在实际应用中具有很好的适用性.
【机 构】
：
海军工程大学信息与电气学院(湖北武汉)
论文部分内容阅读
提出了一种基于高斯型分布模糊集的Fuzzy min-max人工神经网络.它继承了原有Fuzzy min-max网的优点,并可以输入n维高斯分布的模糊量.该网络引入了模糊集贴近度的概念,对网络中的超盒隶属度函数进行了新的定义.最后在自动目标识别的仿真实验中,验证了该神经网络在实际应用中具有很好的适用性.
其他文献
针对现实经济管理活动中常见的二次网络规划问题,给出了二次网络规划基解的一个新的优化方向,并获得了二次网络规划的一个新的启发式算法.
提出了一类输入和状态上有不等式约束的线性二次调节器(LQR),给出了需要解决一个有限维正定的二次规划算法,并将其应用于实际的化工过程.通过与其他的MPC策略比较,表明了有约束的LQR具有良好的性能.
在CDMA2000下行链路MAC层进行了研究,提出一种基于蚁群优化算法的方案,以解决高速数据请求的信道资源分配问题.仿真采用事件驱动并考虑了软切换,与传统的基于"先到先服务"方案进行了对比,结果表明平均吞吐率、平均时延均有所改善.
提出基于均匀设计的宏进化算法,并用于求解复杂约束优化问题.首先利用拉格朗日方法将约束优化问题转化为求解一个零和对策问题的鞍点解;然后用宏进化算法求解.为提高搜索的速度和质量,将均匀设计思想和精调学习引入传统的宏进化算法.仿真实例说明了算法的有效性.
建立一种新的多目标非线性规划优化模型,提出一种自适应遗传算法.得到的种群个体明显优于基本遗传算法的个体,所设计的自适应变异概率可避免算法的早熟现象.通过保持迭代过程的最优解,加快了搜索速度,并保证收敛于全局最优解.算例结果表明,该算法用于求解一类多目标决策优化问题具有良好的效果.
提出了一种改进的超闭球CMAC的学习算法,使得学习率的确定只需要一个参数,其参数值的确定可以采用自寻优的方法,并证明了算法的收敛性,仿真研究表明了该算法的学习性优于原算法.
首先介绍了专家系统的结构和功能,并针对具体实例分析了将模糊理论、神经网络、遗传算法应用于专家系统的情况;然后阐述了专家系统在薄钢板矫直中的具体应用,并给出了薄钢板矫直专家系统的知识库、数据库和模型库的构成;最后论述了在钢铁工业中将专家系统应用于薄钢板矫直方面的重要意义.
建立了一个利用BP人工神经网络对证券市场的股份指数进行预测的模型.该模型采用5年的上证A股指数、成效金额和一些宏观经济指标作为学习训练数据,并以2002年的股指、成交金额和经济指标作为检验数据.预测结果证明,所建立的证券市场神经网络模型具有较高的预测精度.
介绍了快速反射镜光电跟踪系统组成,并在其基础上设计实现了基于免疫遗传PID的快速反射镜控制系统.在保留基本遗传算法随机全局搜索能力的条件下,引进了生物免疫系统中的抗原记忆、抗体促进与抑制、抗体多样性等机制,将生物免疫算法与遗传算法相结合,提出了一种基于免疫遗传机理的优化计算模型,并利用免疫遗传算法对PID控制器的参数进行了优化.给出了免疫遗传PID用于快速反射镜跟踪控制系统的仿真结果,结果表明基于
采用人工智能中多Agent技术,对供应链管理进行研究.首先建立了一个基于多Agent的供应链管理模型,然后介绍了Agent间的通信模型,提出了将XML与KQML相结合来研究Agent通信的想法,最后以制造商订单审批过程为例,对供应链中Agent之间的通信作了扼要的描述,说明KQML和XML相结合可以很好的应用于Agent间的通信.