分享到:

基于RBF神经网络的隶属度函数学习算法

从模糊逻辑控制系统的一般设计原理中可以发现,要使一个模糊逻辑控制系统合理地运行,关键在于找到最优的隶属函数和模糊推理规则.但是,在进行模糊系统设计时,必将面临以下两大问题:①还没有标准的方法把人们的知识或经验转换成模糊规则或模糊推理系统数据库,这一问题即为模糊系统的初始设计问题.②急需建立一种隶属度函数学习与调整的有效方法,以使学习得到的隶属度函数性能达到理想或最优.事实上,隶属度函数及模糊规则的获取与学习问题一直是模糊系统设计中的最重要、最困难的问题之一.到目前为止还没有找到一种完全可靠的、系统的解决方法,这已成为模糊逻辑控制应用的难题.不过,通过大量的实践,人们已经发现并总结出许多实用的方法,归纳起来,可分为以下三种方法:第一种,基于人类专家的方法;第二种,试凑法;第三种,基于神经元网络的方法.其中第三种是目前较流行的方法,它利用神经元网络的学习能力,从历史数据中通过学习自动产生隶属函数和模糊规则.文献[1-3]提出一个前向...  (本文共4页) 阅读全文>>

安徽理工大学
安徽理工大学

模糊RBF网络的研究和应用

现代科技的飞速进步,促使控制理论向着更复杂、严密的方向发展。在智能控制领域中,模糊理论和神经网络融合正在控制领域显示出巨大的应用潜力。模糊系统善于表达知识,推理类似于人的思维,但过于依赖人的主观因素,缺乏学习和适应的能力;神经网络结构可变,具有较强的自组织、自学习的能力,但是不具有结构性知识表达能力,网络参数缺乏物理意义,且在学习过程中易陷入局部极值。所以将二者的特点结合起来形成模糊神经网络就成了一种必然的趋势。模糊神经网络是一种能处理抽象信息的网络结构,具有强大的自学习和自整定功能,模糊神经网络是一项重要的研究课题,对智能控制的发展具有非常重要的意义本文主要介绍了模糊RBF网络的结构和特点,并介绍了所存在的问题。遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的一种新的全局优化搜索算法,因而采用遗传算法来训练模糊RBF网络实现网络参数的快速、全局寻优,并把这种遗传算法优化模糊RBF网络算法具体应用到瓦斯移动抽排系统和双力...  (本文共82页) 本文目录 | 阅读全文>>

兰州交通大学
兰州交通大学

神经网络在混沌时间序列预测中的应用研究

在非线性信号处理领域,混沌与神经网络相结合是一个新兴的课题。混沌是非线性动态系统所特有的一种运动形式,它既普遍存在又极具复杂性。而神经网络具有联想记忆等非线性特性,特别适用于处理高度非线性系统复杂问题,所以基于神经网络的预测技术是解决混沌时间序列预测问题的有效方法,同时又为预测理论的研究开辟了新的、广阔的发展空间。近年来,随着神经网络理论的不断发展,基于神经网络的预测方法也在不断提出。本文以神经网络和相空间重构相关理论为基础,用神经网络方法去处理混沌时间序列预测问题,并重点对自适应神经模糊推理系统、BP神经网络和RBF神经网络进行算法集成对比研究。人工神经网络作为一种较新的信息处理学科,具有许多的优点,在本质上它是大规模并行处理的自适应非线性系统,具有很强的自学能力和非线性逼近能力,善于联想、概括、类比和推广。而自适应神经模糊推理系统是一种颇具特色的神经网络,和神经网络一样,同样具有以任意精度逼近任何线性或非线性函数的功能,并且...  (本文共71页) 本文目录 | 阅读全文>>

哈尔滨工程大学
哈尔滨工程大学

基于人工神经网络的混合智能系统研究及应用

本次课题的核心内容和研究思路可概括如下:分析舰艇自噪声的非平稳特征,针对ANC系统的弊端探讨解决方案;设计并完善以人工神经网络为框架的自适应噪声抵消系统;引入模糊逻辑推理思想,设计更加智能化的网络结构;借助多分辨率分析的思想,进一步完善网络的逼近能力和自适应性;引入遗传进化理论,结合强有力的局部算法构造自适应混合学习策略;最后通过仿真试验和真实海试数据处理,系统的验证文中结论。目标信号所处的声场环境,决定了ANC系统的非线性特征,针对待抵消信号的非平稳性,我们在传统非线性滤波的研究基础上,设计人工神经网络作为自适应处理器,依靠其强大的与人脑类似的功能,来解决常规滤波模式的固有缺陷。在系统自适应学习中,神经网络将非线性映射的问题转化为求解优化问题,而优化过程依靠其自学习、并行处理等优势,通过简便的学习算法来实现。RBF神经网络的引入,更使得系统求解复杂、高度非线性的能力大大提高。文中所设计的模型为非线性系统问题的解决奠定了良好的基...  (本文共179页) 本文目录 | 阅读全文>>

沈阳工业大学
沈阳工业大学

基于神经网络的电力系统负荷预测问题研究

随着对电能需求的增加,电力系统的发展及改进变得更加重要。电力系统的负荷预测对系统调度的自动化十分重要,并且对于电力系统的安全稳定及经济运行具有重要意义。负荷预测的精度直接影响着电网的安全稳定,其预测结果为发电机组的运行提供帮助,为电厂的燃料供应计划提供依据,同时能够提高对系统的控制。预测结果不准确或误差过大会影响发电部门的燃料合理配置,减少其收益。研究具有精度高且实用性强的负荷预测方法对于电力的市场化及智能电网的发展是非常必要的。本文通过查阅相关文献,介绍了电力系统负荷预测的研究现状,分析并比较现有的不同预测方法的特点,具体研究人工神经网络方法的原理及学习算法,它通过对人脑基本特性抽象和模拟,形成一种自适应的并行信息处理方法,具有自学习和非线性映射等特点,对于电力系统的负荷预测有重要的应用价值。文中详细介绍了误差反向传播(Back Propagation,BP)神经网络和径向基函数(Radial Basis Function,R...  (本文共73页) 本文目录 | 阅读全文>>

中国地质大学
中国地质大学

储层预测信息管理中软计算集成理论与方法研究

当今,油气勘探开发得到了进一步发展,浅层和储集条件简单的区块得到了较为充分地勘探开发。随着石油勘探领域不断地向深层和储集条件复杂的区域进军,油气勘探活动越来越复杂,要求勘探技术水平必须相应地提高。今后油气开发的重点将是复杂油气储集层,一方面,复杂油气储集层具有非均匀性、非线性及不确定性的响应特征,显然,基于均匀线性理论的传统统计方法难以达到这种要求;另一方面,储层管理中涉及地震、测井、地质等海量数据,信息量大,来源多样,一般的信息管理技术难以及时而有效地处理。因此要提高储层描述的精度和可靠性,最大限度地挖掘和利用已有的地震与测井的信息,以适应复杂储层油气田勘探开发的要求,必须寻找新的信息管理技术来迎接油田勘探开发的新挑战。软计算作为一种智能技术,能充分利用不精确性、不确定性和部分真实的信息,具有易处理和鲁棒性的优点,能综合运用推理和搜索方法处理海量数据与信息问题,在复杂储层勘探开发信息管理中将发挥着重要作用。本文以国家自然科学基...  (本文共150页) 本文目录 | 阅读全文>>