搜索
模糊神经网络模型及其应用研究作者：姜长元学位授予单位：南京师范大学参考文献(47条)1.谢维信.钱禨涛模糊神经网络研究[期刊论文]-深圳大学学报（理工版）1999(2)2.孙增圻.张再兴.邓志东智能控制理论与技术19973.KoskoBFuzzyAssociativeMemories19874.CarpenterGA.GrossbergS.RosenDBFuzzyART:AnAdaptiveResonanceAlgorithmforRapid,StableClassificationofAnalogPatterns(2)19915.SKPal.SushmitaMitraMultiLayerPerceptronfuzzysetsandclassifications1992(05)6.KongSG.KoskoBDifferentialCompetitiveLearningforCentroidEstimationandPhonemeRecognition1991(01)7.JAFeldmanDynamicConnectionsinNeuralNetwork1991(49)8.DERummelhart.DZipserFeatureDiscoverybyCompetitiveLearning1994(08)9.BKoskoNeuralNetworksandfuzzysystems:Adynamicalsystemsapproachtointelligence199210.LXWangFuzzySystemsareuniversalapproximator199211.BucklyJJSugenotypecontrollersareuniversalcontrollers12.ArabshahiPFuzzyControlofBackpropagation199213.ChoiJaiJFuzzyParameterAdaptationinNeuralSystem199214.刘俊强基于模糊神经网络的仿真系统建模方法及其应用研究[学位论文]博士200015.BuckleyJJ.HayashiYCanfuzzyneuralnetsapproximatecontinuousfuzzyfunctions?199416.王立新自适应模糊系统与控制199517.王立新.王迎军模糊系统与模糊控制教程200318.王士同神经模糊系统及其应用199819.查看详情20.HorikawaS.FuruhashiT.UchikawaYonfuzzymodelingusingfuzzyneuralnetworkswiththeback-propagationalgorithm1992(05)21.LXWangAdaptiveFuzzySystemsandControl199422.於东军.王士同一类模糊神经网络的遗传算法辨识1998(04)23.LXWang.JMMendalFuzzybasisfunctions,universalapproximation,andorthogonalleastsquareslearning1992(05)24.BKoskoNeuralNetworkandFuzzySystems199225.JZhang.AJMorrisControlTheoryandApplicationsFuzzyneuralnetworksfornonlinearsystemsmodeling1995(06)26.YCChen.CCTengAModelReferenceControlStructureUsingaFuzzyNeuralNetworks199527.YHLin.GeorgeAAnewapproachtofuzzy-neuralsystemmodeling1995(02)28.LXWangStableadaptivefuzzycontrolofnonlinearsystems1993(02)29.IsmaelA.HussienBFuzzyneuralnetworkimplementationofselftuningPIDcontrolsystems199430.Yan-QingZhang.F'u-laiChungAfuzzyneuralnetworktreewithheuristicbackpropagationlearning200231.於东军.王士同新模糊神经网络模型及其建模应用研究1998(02)32.周志坚.毛宗源一种基于遗传算法的模糊神经网络结构和参数优化[期刊论文]-华南理工大学学报1999(1)33.Hung-HsuTsai.PaoTaYuOntheoptimaldesignoffuzzyneuralnetworkswithrobustlearningforfunctionapproximation2000(01)34.Wei-YenWang.YiHsumLiEvolutionarylearningofBMFfuzzy-neuralnetworksusingareduced-formgeneticalgorithm2003(06)35.鲍其莲.张炎华.朱荣模糊神经网络结构动态学习算法[期刊论文]-上海交通大学学报2000(11)36.田民乐.刘少民一种新型的模糊神经网络及其应用1998(04)37.韩力群人工神经网络理论、设计及应用200238.吴凌云BP神经网络学习算法的改进及其应用[期刊论文]-信息技术2003(7)39.LXWang.JMMendalGeneratingfuzzyrulesbylearningfromexamples1992(06)40.HorikawaS.FuruhashiT.UchikawaYonfuzzymodelingusingfuzzyneuralnetworkswiththeback-propagationalgorithm1992(05)41.王世明.黄永清.李天石推送系统的模糊神经网络控制[期刊论文]-机床与液压1999(4)42.刘明兰基于模糊神经网络的自适应流量控制器研究[期刊论文]-武汉汽车工业大学学报1998(2)43.Jian-LeWu.ZhengPei.KeYunQinDesignoftwo-fuzzyneural-networkcontrollerfornonlinearsystems200344.孙金刚一种模糊神经网络自适应预测控制方案的研究[期刊论文]-系统工程与电子技术1999(11)45.ZhengPe.KeyunQin.YangXuDynamicadaptivefuzzyneural-networkidentificationanditsapplication200346.李向明.吴龙海模糊神经网络控制器的仿真研究2003(01)47.GuptaMMControllabilityoffuzzycontrolsystems1986相似文献(10条)1.学位论文阎石结构振动智能控制的人工神经网络与模糊逻辑方法研究2000本文的研究内容属于地震工程结构控制研究范畴。结构振动控制的研究包括控制装置和控制策略两部分。虽然结构振动控制的研究已经取得长足的进步，许多控制装置已经成功地应用于实际工程之中，然而关于结构振动控制策略的研究还存在许多问题。被控结构系统的非线性、时变、时滞、强耦合、分布参数以及非确定性等复杂因素的影响，给振动控制策略的研究带来很大困难。结构振动智能控制策略（方法）的研究为解决以上问题开辟了一条有效途径。本文由三部分组成：第一篇，结构振动智能控制基本理论；第二篇，结构振动控制的人工神经网络方法研究；第三篇，结构振动控制的模糊逻辑方法研究。全文共分8章，主要研究内容如下：第一部分由论文的前三章组成。2.期刊论文刘桂英.粟时平模糊逻辑在有源电力滤波器智能控制中的应用-电气开关2003,41(1)介绍了有源电力滤波器的工作特性,阐述和分析了基于模糊逻辑理论的有源电力滤波器的人工智能控制技术,探讨了有源电力滤波器模糊逻辑控制技术的研究方向.3.学位论文边润强基于遗传算法和模糊逻辑的智能控制研究2000智能控制理论与应用的研究包含了极为丰富的内容和广泛的领域.该文针对系统参数辨识、状态预测和智能检测等方面的问题展开研究,在理论方面研究了智能优化算法-遗传算法和模糊系统理论;在应用方面主要研究了基于遗传和模糊逻辑的系统辨识、状态几智能检测.主要研究内容为:1.对智能理论研究的主要理论内容和应用领域做了较为系统的概括.2.在遗传算法现有研究成果的基础上,讨论了近亲繁殖和早熟收敛的产生过程,并从不同角度对遗传算法的操作效率进行了分析,得出在早熟收敛的情况下遗传操作存在大量无效操作的结论.3.从提高遗传算法交换操作效率的角度出发,提出一种改换策略.采用该交换策略的遗传算法可以防止近亲繁殖和失效交换的出现,在一定程度上避免早熟收敛的发生.4.对改进交换策略的遗传算法进行了性能分析.得出1)改进交换策略的遗传算算法是全局收敛的;2)改进交换策略的遗传算法提高了交换操作效率,对防止早熟收敛有效;3)改进交换策略的遗传算法可以在无变异操作的情况下仍保证全局收敛等结果.5.提出一种基于遗传算法和动态补偿理论的系统辨识方法.该方法与以往系统辨识方法明显的不同之处在于,它利用补偿理论的系统辨识方法.该文法与以往系统辨识方法明显的不同之处在于,它利用补偿器参数与被辨识系统模型参数的匹配程度和补偿结果之间依赖关系,通过遗传算法对参数进行优化,从而得到较为准确的系统模型参数;6.该文提出了一种预测方法,该方法基于遗传算法和系统补偿理论,对被测参数进行动态预测.7.综合现有模糊逻辑推理方法和信息融合技术,提出一种基于模糊逻辑推理的信息融合数据处理方法.在周期干扰、随机干扰和动态响应误差等因素影响较为明显的测量条件下,该方法对减小上述因素对测量精度的影响具有一定效果.4.学位论文郭钊侠倒立摆装置的智能控制研究2003该论文基于模糊逻辑与神经网络等智能控制理论,对实验室从英国Feedback公司购置的数字式倒立摆装置进行仿真和实时控制研究.该论文的主要工作包括:分别基于SIMULNK和神经网络理论建立了倒立摆系统的模型,前者基于倒立摆系统的数学模型,后者基于倒立摆系统的输入输出样本数据,都能很好地模拟真实系统行为;分别基于神经网络和模糊逻辑理论设计了两种智能控制器,用于倒立摆系统的自垂直(Self-erecting)控制模式.其中,神经网络控制器通过学习倒立摆系统的行为,取撂了较好的控制效果;而基于模糊逻辑的控制算法采用线性二次型调节器(Linearquadraticregulator)控制倒立摆的稳定,又采用模糊逻辑理论控制倒立摆的摆动;该方法可以大大减少模糊规则数,解决维数灾(Dimensiondisaster)问题,同时还具有较强的抗干扰能力和自适应性;将模糊逻辑与PID技术相结合,提出了一种直接控制量型模糊PID控制器,并将其成功地运用于倒立摆系统的起重(CRANE)控制模式.由于模糊控制器的引入,使得控制算法在PID控制的基础上还具有更好的非线性特性和解决模型不确定性的能力;该控制算法的仿真结果也表明,当给系统加入较大的脉冲扰动或者改变系统模型参数时,该控制器均仍然能很好地完成控制任务;将神经网络与PID技术相结合,提出了一种新型的神经元PID控制器.它采用带动量项的BP算法在线调整PID控制器参数,使得算法的收敛速度和稳定性大大提高,并具有较好的泛化能力.最后,该论文设计了倒立摆系统计算机实时控制的模块化结构,建立了倒立摆系统计算机实时控制的一般性方法,并对倒立摆系统分别进行了神经网络和神经元PID的实时控制化实现,取得良好的实时控制效果.5.期刊论文吴雅婷.陈科山.王希.WUYating.CHENKeshan.WANGXi基于模糊逻辑的仿生平台控制策略-现代电子技术2007,30(5)在原仿生平台控制策略的基础上,优化了运动系统的控制方法,提出了一种基于模糊逻辑的新型控制方