导读:本文包含了多层模糊神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:模糊神经网络,自适应观测器,非线性系统,仿真
多层模糊神经网络论文文献综述
闻新,李新,王尔申[1]（2015）在《单隐含层模糊递归小波神经网络的观测器设计》一文中研究指出根据模糊神经网络在非线性函数逼近方面的特性和小波变换具有良好的时频两维信号的分析能力,建立了结合两者优点的单隐含层模糊递归小波神经网络(Single hidden Layer Fuzzy Recurrent Wavelet Neural Network,SLFRWNN),并分析了SLFRWNN的结构、激活函数形式及激活函数对网络性能的影响.在此基础上,提出了一种基于SLFRWNN的自适应观测器设计方法,并通过引入Lyapunov函数,证明了这种观测器设计方法的稳定性,进而给出该网络观测器的初始化和最佳训练算法;仿真结果表明SLFRWNN观测器能很好地观测系统的状态.(本文来源于《电波科学学报》期刊2015年06期）
明勇,王华军[2]（2015）在《模糊隶属度融合多层前馈神经网络的CBIR方法》一文中研究指出针对大多数现有基于内容的图像检索方法的性能很大程度上依赖分类器的问题,提出了一种基于模糊隶属度融合神经网络的CBIR方法;首先,利用离散小波变换进行特征提取;然后,使用神经网络计算查询图像的类标签和模糊类隶属度;最后,利用简单与加权距离度量的组合在完整搜索空间中进行检索;在3个纹理类数目、方向和复杂度都不同的数据库上进行实验验证了所提方法的有效性,实验结果表明,相比其他几种较新的纹理图像检索方法,所提方法取得了更好的检索性能。(本文来源于《计算机测量与控制》期刊2015年03期）
毛红阁,刘长旺,刘香伟,刘伟[3]（2012）在《两层模糊神经网络交通信号控制模型》一文中研究指出交叉路口信号的有效控制是减少车辆延误时间的关键,是保证城市交通顺畅的前提。以单交叉路口为研究对象,在仿真希腊学者Pappis提出的模糊控制方法基础之上,基于交叉路口的动态特性及模糊规则的一成不变,提出两层BP神经网络实现单交叉路口的模糊信号控制方法,在不同车流量情况下,使用MATLAB工具仿真实现,结果表明:所提出的模糊神经网络具有较强的学习、推理能力,对于车辆的平均延误时间有较好的改进。(本文来源于《西安科技大学学报》期刊2012年05期）
柳贺,黄道[4]（2008）在《基于多层递归模糊神经网络的间歇过程批次间优化控制》一文中研究指出针对间歇过程,基于多层递归模糊神经网络和混沌搜索实现了终点产品质量的批次间迭代控制策略,并在此基础上提出了间歇过程温度控制的批次间迭代控制策略。多层递归模糊神经网络被用于间歇过程对象建模,混沌搜索用于过程建模和优化计算。由于存在模型误差和未知干扰,基于模型所计算出来的最优控制输入在实际运用到对象上后并不是最优的。利用间歇过程的重复特性,根据以前批次的模型预测误差来修正模型预测,并据此计算下一批次的最优控制输入。随着批次的进行,跟踪误差逐渐减小。仿真实验验证了该方法的有效性。(本文来源于《华东理工大学学报(自然科学版)》期刊2008年05期）
柳贺,王秀英,黄道[5]（2008）在《基于混合混沌搜索方法的多层递归模糊神经网络建模》一文中研究指出提出了一种多层递归模糊神经网络(MRFNN),并提出混合混沌搜索方法用于网络学习。该网络融合了T-S模糊模型,在隶属函数层和规则层有局部反馈连接。网络的学习分为结构学习和参数学习两部分。结构学习确定隶属函数层和规则层的节点数;参数学习由混合混沌搜索方法完成,利用混沌搜索优化前件参数,同时利用最小二乘法实现后件系数更新。对非线性系统辨识进行,仿真实验并对连续搅拌釜式反应器系统建模,结果表明:本文方法能够有效捕捉系统的动态特性,所建模型具有良好的精度。(本文来源于《华东理工大学学报(自然科学版)》期刊2008年04期）
舒桂清,李力,肖平[6]（2007）在《基于多准则的多层模糊神经网络学习算法》一文中研究指出模糊算子函数丢失信息量过大,并且在某些点不存在导数,由此导致在采用传统的误差平方和准则优化网络参数时,有些参数无法得到调整,而且网络容易陷入局部极小,甚至发散.本文提出了一种基于模糊熵准则和误差平方和准则的多准则多层模糊神经网络学习算法,在一定程度上克服了单准则学习算法的局限性.(本文来源于《安徽大学学报(自然科学版)》期刊2007年01期）
刘洪,王莉,方浩,夏立显[7]（2006）在《多层前馈模糊神经网络在儿童综合素质测评中的应用》一文中研究指出运用对偶标度统计方法计算儿童发展调查问题中原始数据的变量权和样本得分,从而确定评价因素集.采用多层前馈模糊神经网络——FM LP实现对儿童个体综合素质的定量评价.(本文来源于《数学的实践与认识》期刊2006年06期）
张玲华,杨震,郑宝玉[8]（2005）在《基于模糊分类器及多层前馈神经网络混合结构的说话人辨认》一文中研究指出提出了基于模糊超椭球聚类算法的说话人辨认新方法。该算法首先将某一类的训练数据分成若干子类, 对每一子类在其中心周围定义具有超椭球区域的模糊规则。实验表明,该系统可以较快的聚类速度取得与HMM 相当的识别效果。进一步的研究表明,基于模糊超椭球聚类算法的说话人辨认系统与传统的基于HMM的识别方法存在一个共同的缺点,即抗噪性能较差。为此,通过引入多层前馈神经网络(MLFNN)与模糊超椭球分类器构成混合模型,使系统的识别性能和抗噪能力显着提高。(本文来源于《通信学报》期刊2005年11期）
瞿继双,王正志,王超[9]（2002）在《一种新的模糊多层自组织神经网络图像目标检测方法》一文中研究指出神经网络方法和模糊集理论用于图像处理和目标检测时各有优势,文中提出了一种将神经网络和模糊集理论集成的混合方法,即模糊多层自组织神经网络法。该方法将模糊测度作为神经网络的目标函数,网络包括多层结构,任一层中的一个神经元对应图像中的一个像素,该神经元只与前一层的对应元素及其邻域元素连接。针对遥感图像的实验处理过程证明该方法能够有效地进行目标检测和提取,并且具有良好的噪声免疫力。(本文来源于《国防科技大学学报》期刊2002年06期）
刘本玉,叶燎原,江见鲸[10]（2002）在《用模糊人工神经网络方法预测多层砖房震害》一文中研究指出结构的震害预测是编制抗震防灾规划的重要基础内容。应用模糊人工神经网络方法来对结构震害进行分析预测。应针对不同类型的构造物筛选出影响其震害的主要因素 ,采用地区性的历史震害资料对所建成的人工神经网络进行训练的方法。以量大面广的多层砖房为例 ,以云南省近几年来的几次大地震的灾害资料为样本 ,运用灰色数学方法筛选出影响震害的主要因素 ,然后进行了模糊人工神经网络的构筑与训练。结果表明 ,这种方法的训练效果是令人满意的(本文来源于《清华大学学报(自然科学版)》期刊2002年06期）
多层模糊神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对大多数现有基于内容的图像检索方法的性能很大程度上依赖分类器的问题,提出了一种基于模糊隶属度融合神经网络的CBIR方法;首先,利用离散小波变换进行特征提取;然后,使用神经网络计算查询图像的类标签和模糊类隶属度;最后,利用简单与加权距离度量的组合在完整搜索空间中进行检索;在3个纹理类数目、方向和复杂度都不同的数据库上进行实验验证了所提方法的有效性,实验结果表明,相比其他几种较新的纹理图像检索方法,所提方法取得了更好的检索性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多层模糊神经网络论文参考文献
[1].闻新,李新,王尔申.单隐含层模糊递归小波神经网络的观测器设计[J].电波科学学报.2015
[2].明勇,王华军.模糊隶属度融合多层前馈神经网络的CBIR方法[J].计算机测量与控制.2015
[3].毛红阁,刘长旺,刘香伟,刘伟.两层模糊神经网络交通信号控制模型[J].西安科技大学学报.2012
[4].柳贺,黄道.基于多层递归模糊神经网络的间歇过程批次间优化控制[J].华东理工大学学报(自然科学版).2008
[5].柳贺,王秀英,黄道.基于混合混沌搜索方法的多层递归模糊神经网络建模[J].华东理工大学学报(自然科学版).2008
[6].舒桂清,李力,肖平.基于多准则的多层模糊神经网络学习算法[J].安徽大学学报(自然科学版).2007
[7].刘洪,王莉,方浩,夏立显.多层前馈模糊神经网络在儿童综合素质测评中的应用[J].数学的实践与认识.2006
[8].张玲华,杨震,郑宝玉.基于模糊分类器及多层前馈神经网络混合结构的说话人辨认[J].通信学报.2005
[9].瞿继双,王正志,王超.一种新的模糊多层自组织神经网络图像目标检测方法[J].国防科技大学学报.2002
[10].刘本玉,叶燎原,江见鲸.用模糊人工神经网络方法预测多层砖房震害[J].清华大学学报(自然科学版).2002