补偿模糊神经网络

摘要： 目前的区域测绘方法主要利用高空卫星遥感图像,辅助人工信息采集的方式进行测绘,导致测绘方法的效率和精度较低,需要反复校正。为优化上述分析缺陷,将研究基于航摄遥感技术的水利工程建设征地区域测绘方法。设定航摄遥感技术参数,确保遥感图像获取精度。对获取的遥感图像几何校正后,进行图像增强、去噪、目标检测等处理。设计补偿模糊神经网络结构,利用补偿模糊神经网络提取航摄遥感图像中的测绘信息,完成工程建设征地区域测绘。通过实例验证了使用提出的测绘方法,遥感图像信息提取精度可达97.04%,测绘效率明显提升,方法应用效果良好。

摘要： 针对采用含随机噪声的数据进行非线性动态系统建模无法获得准确模型参数的问题,提出了一种基于加权最小二乘支持向量机(LS-SVM)数据预处理的复合辨识方案.复合辨识方案根据数据的分布信息,利用加权LS-SVM对异常数据的鲁棒性,通过回归计算消除数据的异常性;再利用预处理后的数据训练补偿模糊神经网络参数,得到系统模型.结果表明,采用加权LS-SVM预处理的复合辨识方案运用在普遍存在随机噪声的系统中,能获得更加准确的辨识模型.

摘要： 为了培养矿物加工工程专业学生矿物加工科研实践能力、工程实践能力和创新能力等,提高学生分析并解决矿物加工工程领域复杂工程问题的能力,促进毕业要求的达成,文章采用MATLAB软件搭建基于补偿模糊神经网络的评价模型,以矿物加工学实验"重选实验"为例进行实践,得到较客观、合理的课程成绩,该评价方法有助于该课程教学质量进一步持续改进和教学效果的进一步优化.

摘要： 本文借助补偿模糊神经网络,以贵州某磷尾矿充填体溶出试验数据作为学习样本,建立溶出条件与溶出质量浓度间的数学模型,通过误差―步数曲线及网络验证可知:针对溶出试验中F-和P溶出质量浓度建立的2个4输入单输出网络模型收敛性均好,最大预测误差分别为-4.86%和5.71%,平均预测误差分别为-0.945%和0.985%,能起到较好的预测作用。

摘要： 研究了面向嵌入式硬件平台的高速视频图像处理与高速目标跟踪算法.基于神经网络的光流场算法能有效减少程序对硬件系统的内存要求和运算要求,该算法能够比传统算法更加容易的应用于以DSP(数字信号处理)芯片为核心的嵌入式硬件平台中.首先设计了一个基于Hopfield神经网络控制器的自适应滤波器,以图像信噪比为控制指标,对需进行目标识别的视频图像进行图像预处理;然后,利用补偿模糊神经网络控制器对光流场计算方法进行优化,这是一种通过参数控制平滑度实现的平均速度的角度误差和标准角误差的CFNN(补偿模糊神经网络)控制器识别跟踪算法.微机仿真及嵌入式系统试验结果均表明:该算法能够在同等条件下显著提高目标辨别与跟踪能力,显示其具有较高的有效性和实用性.

摘要： 针对典型两段式磨矿控制优化中系统机理复杂、影响因素多、难以建立精确的数学模型等诸多难点问题,采用补偿模糊神经网络对磨矿控制器进行设计,通过利用模糊控制对模糊信息的处理能力和神经网络强大的学习能力很好地解决了磨矿控制中非线性、难建模等问题.补偿模糊神经元的引入,能使网络从初始正确定义的模糊规则或者初始错误定义的模糊规则进行训练,使系统具有更高的容错性,系统更稳定.仿真结果表明,矿石粒度被很好地控制在了一个较理想的范围,证明了补偿模糊神经网络对磨矿控制的有效性和实用性.

摘要： 电动舵机是个多变量、非线性、强耦合、时变的复杂系统,传统的PID等控制方法对其进行控制时存在精度低、抗干扰能力差等问题.为解决上述问题,本文设计了一种改进学习算法的补偿模糊神经网络(CFNN)控制器,在补偿模糊神经网络学习算法中加入自适应学习速率因子,使神经网络的学习速率根据当前的学习收敛速度做动态的调整,从而加快学习收敛速度,改善其控制性能.仿真结果表明,采用改进学习算法的补偿模糊神经网络控制的电动舵机系统响应更快,鲁棒性强、位置跟踪精度更高,其控制性能优于传统的PID控制与经典学习算法的补偿模糊神经网络控制.

摘要： 优化和提高应急物资筹集能力是应急物资筹集网络适应性评价的主要目的,针对此目的,在构建应急物资筹集网络适应性评价指标体系基础上,把一种基于改进的补偿模糊神经网络(CFNN)智能评价系统引入到应急物资筹集网络的适应性评价中,以解决应急物资筹集网络评价中时间、成本和稳定性指标的模糊性和非线性问题.仿真实验表明:改进的CFNN收敛速度快,容错率高,自适应能力强,是应急物资筹集网络适应性评价的有效手段.

摘要： 针对感应加热电源具有非线性、时变性、难以建立准确数学模型的特点,本文提出将神经网络与模糊PID相结合,并引入补偿运算,构成一种新的具有可学习的自适应控制方法.该方法利用神经网络的自学习和模糊控制的不确定性等特点,引入神经网络不仅能够适当地调整输入、输出模糊隶属函数,而且能够借助于补偿逻辑算法动态地优化模糊推理,从而优化整个控制系统.通过对本文提出的算法、传统模糊PID算法以及模糊神经网络算法的仿真结果的对比可以看出,该算法较之传统模糊PID控制算法以及模糊神经网络算法具有鲁棒性更强、控制精度更高、可靠性更强等优势.

摘要： 漏钢事故是连铸过程中最典型的事故,因此对漏钢预报的研究是很有实际意义的.本文介绍了一种具有快速学习算法、能够执行补偿模糊推理的补偿模糊神经网络,并在此基础上提出一种新型的变结构的补偿模糊神经网络.模糊规则的节点数随输入的变化而改变.与传统的模糊神经网络相比,该网络辨识精度更高、速度更快.并把这种网络应用于漏钢预报的仿真试验中,取得了较好的效果.

摘要： 针对图像滤波难题,将补偿模糊神经网络应用于图像滤波中,提出了基于补偿模糊神经网络(compensatory fuzzy neuralnetwork)的图像滤波方法.该方法结合了模糊逻辑的推理能力和神经网络的自适应、自学习能力.同时采用具有快速学习的补偿算法,引入补偿模糊神经元,使学习后的网络具有更高的容错性,并弥补了神经网络学习耗时的缺点,提高了滤波效率.模糊运算采用动态的、全局优化运算,使网络更优化,进一步改善了滤波效果.仿真结果表明,该方法对噪声具有很好地滤除作用,与现有其它滤波方法相比,具有明显的效果.

摘要： 本文提出了一种基于补偿模糊神经网络的智能诊断系统,该系统将神经网络和补偿模糊逻辑相结合,采用动态、全局优化的运算,充分利用了相互间的优点.在神经网络的学习算法中,动态优化补偿模糊运算,使网络更适用、更优化.网络不仅能适当调整输入输出模糊隶属函数,也能借助于补偿逻辑算法动态优化相应的模糊推理,由于补偿模糊逻辑神经网络引入了补偿模糊神经元,能使网络从初始定义的模糊规则开始训练,使网络容错率更高,系统更稳定.仿真实验证明该模型在智能诊断中具有收敛速度快,诊断精度高,而且适应性强等优点.

摘要： 本文提出的一种补偿模糊神经网络,与BP神经网络相比,具有逼近精度高,训练步数少、学习收敛速度快等特点,在对乙炔加氢反应器出口乙炔浓度的软测量中效果较为满意.实践证明该方法值得进一步推广运用.

摘要： 本文提出了综合利用语言信息和数据信息构造基于补偿、模糊神经网络的模型,与基于观测器的方法相结合形成了一类独具特色的基于补偿,模糊神经网络的故障诊断方法,并以某导弹伺服机构为例进行了论证和说明.

摘要： 一种H型平台的模糊神经网络补偿器的同步控制系统及方法，该控制系统硬件包括主电路、控制电路和控制对象三部分；控制电路包括DSP处理器、电流采样电路、动子位置采样电路、IPM隔离驱动电路和IPM保护电路；本发明包括非奇异终端滑模控制的改进，改善系统的抖振问题；模糊神经网络补偿控制器的设计，减小系统的同步误差，提高同步性。

摘要： 本发明公布了一种模糊神经网络控制的混合小波神经网络盲均衡方法，本发明方法包括如下步骤：a.)将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n)；b.)采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列；c.)将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长，并以均方误差E(n)＝MSE(n)与均方误差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。本发明系统的灵活性高，避免了易陷入局部极小值的困境。

摘要： 本发明涉及一种基于模糊神经网络的新型时滞补偿控制方法，其中，加速度计预先安装在受控高层建筑的每一层，获取每层建筑的加速度响应，所述方法包括：S1、针对具有m个AMD控制器的控制系统，获取多个用于训练神经网络模型的样本；S2、采用多个用于训练神经网络模型的样本，训练预先设定的神经网络模型，得到训练后的神经网络模型；S3、获取每层建筑的加速度响应，并依次将每层建筑的加速度响应输入训练后的神经网络模型中，分别输出与每层建筑的加速度响应对应的控制力的值。

摘要： 一种H型平台的模糊神经网络补偿器的同步控制系统及方法，该控制系统硬件包括主电路、控制电路和控制对象三部分；控制电路包括DSP处理器、电流采样电路、动子位置采样电路、IPM隔离驱动电路和IPM保护电路；本发明包括非奇异终端滑模控制的改进，改善系统的抖振问题；模糊神经网络补偿控制器的设计，减小系统的同步误差，提高同步性。

摘要： 本发明公开了一种基于模糊神经网络的机器人标定误差补偿方法，包括以下步骤：编写相邻连杆间的齐次变换矩阵；根据所述变换矩阵计算机器人末端执行器的运动学方程以及误差方程通式；根据几何参数名义值、所述运动学方程及所述误差方程通式生成关于角θi的运动学方程及误差方程；根据所述运动学方程和所述误差方程对机器人进行第一次误差补偿；应用模糊神经网络模型对机器人进行第二次误差补偿。采用此方法，可以使机器人误差补偿模型更加快速、准确、鲁棒性强。

摘要： 本发明公布了一种模糊神经网络控制的混合小波神经网络盲均衡方法，本发明方法包括如下步骤：a.将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n)；b.采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列；c.将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号；利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长，并以均方误差E(n)＝MSE(n)与均方误差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。本发明系统的灵活性高，避免了易陷入局部极小值的困境。

摘要： 本文所描述的实例包含可针对非线性功率放大器噪声补偿输入数据以产生补偿输入数据的方法、装置和系统。在补偿所述噪声时，在上行链路发射时间间隔(TTI)期间，激活交换路径以将放大输入数据提供到包含递归神经网络(RNN)的接收器级。所述RNN可部分地基于待发射的所述输入信号和反馈信号计算表示所述噪声的误差以产生与所述功率放大器噪声相关联的滤波器系数数据。在通过所述接收器进行处理之后，将所述反馈信号提供到所述RNN。在上行链路TTI期间，所述放大输入数据还可经由RF天线作为RF无线发射来发射。在下行链路TTI期间，所述交换路径可被取消激活，并且所述接收器级可接收待在所述接收器级中处理的额外RF无线发射。

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明针对传统煤矸识别方法精确度低、工作量大等问题，公开了一种基于动态补偿模糊神经网络的煤矸识别方法。主要突破了传统方法上的煤矸识别方法，解决了煤矸识别的精度问题，该方法利用动态补偿模糊神经网络的学习算法降低误差率，并通过仿真实验对动态补偿模糊神经网络的分选系统进行较为详细的描述。实验结果表明：动态补偿模糊神经网络的算法能够达到研究的需求，高效准确的识别煤和矸石，使系统具有了较好的泛化能力。