基于遗传算法的网络入侵检测方法研究

针对目前大多数入侵检测系统存在的局限性,本文依据通用入侵检测框架提出了一种利用遗传算法的入侵检测模型,分析了入侵模糊特征、模糊神经网络的学习优化问题。给出了此模型中模糊神经网络模块的训练算法。仿真实验结果表明该检测算法可以有效地进行入侵检测,检测效率达到92%以上。     

一种算法改进的模糊神经网络及其性能分析

将T-S模糊模型与前馈神经网络相融合构造了一种新型的模糊神经网络,该模型采用基于梯度下降法和算法相结合的混合学习方法,其中梯度下降法用来训练高斯型隶属度函数的非线性参数,而算法用来训练线性参数,即权值。从理论上,证明了该模型对非线性函数的万能逼近能力。仿真实验表明,该模糊神经网络用于非线性动态系统辨识的有效性。     

基于混合DE算法的改进海豚群算法

为了提高海豚群优化算法的优化能力,针对基本海豚群算法搜索阶段易陷入局部最优和早熟收敛的缺陷,将DE入算法,提出了一种改进的海豚群算法。算法通过DE的交叉和变异机制避免局部最优。测试结果表明,改进的算法在收敛速度和寻优精度方面有更好的表现。     

模糊逻辑在企业评价系统中的应用

利用现代数据挖掘技术构建企业经营状况评价体系模型。给出决策系统中常用的算法——模糊神经网络，分析、说明该算法具有精确、可靠、快速的优点。提出一种专家系统中常用的学习型评价系统的建立方法，完整模糊神经网络模型。该模型适用于以语言型变量为主的系统的评价问题。样本数据集的建立及语言型变量的描述，通过挖掘专家知识，建立符合其偏好的隶属函数实现的，从而得到与决策者的评价结论相同的评价结果。该体系模型由7个定量指标和2个定性指标组成，利用专家样本数据训练神经网络，使训练出来的神经网络可以像专家一样进行评价活动。     

机械加工零件的热处理技术研究

工农业的发展对热处理技术提出了更高的要求，机械加工零件在加热时如何很好地控制温度已成为关键性的技术。为了克服传统RBF网络控制中存在的问题，本文设计了自适应模糊C -均值聚类算法优化的RBF神经网络预测器及BP神经网络控制器。通过合理地初始化RBF神经网络预测器中的三个参数，使控制器的输出更好地稳定在给定值。仿真表明，模糊优化的网络比原始网络控制具有更好的控制效果，节约能源，提高热处理性能。     

基于改进的樽海鞘算法优化BP神经网络参数的分类识别方法

针对BP神经网络容易陷入局部最优解从而无法收敛到全局最优解,以及收敛速率过慢的现象,本文采用一种改进的樽海鞘算法寻找BP神经网络的权重和阈值这两个参数的最优参数。之后采用BCI 2003运动想象数据集进行分类识别测试,并且分别利用樽海鞘算法、粒子群优化算法、差分进化算法、权重自适应樽海鞘算法、疯狂自适应樽海鞘算法对BP神经网络进行参数优化作对比研究,结果显示,采用改进的樽海鞘算法优化BP神经网络参数的模型比其他模型得到的平均分类准确率要高。     

基于数据挖掘财务风险分析

财务管理风险分析是目前研究的重点。伴随着计算机技术的发展,大部分风险系统通过采用一种新的探索方法—信息数据挖掘财务风险分析,实现了无人工检索即可获得信息的新技术。目前的文献中基本都是在进行数据仓库的优化,文章的创新点在于引入神经网络的优化算法处理风险系统数据中的噪声数据,进行有效的基于风险系统的财务风险分析,实验分析,优化的财务风险分析算法模型在存在噪声的风险系统数据中起到了优化的效果。因而,将该模型应用于数据挖掘财务风险分析算法,尤其是个性化数据挖掘是十分合理的。     

基于模糊神经网络的ETV复杂故障诊断研究

堆垛机是较复杂的物流装备,其复杂故障呈现出故障原因与征兆之间的模糊关系。文中采用神经模糊系统解决堆垛机复杂故障的诊断问题。结合现场专家的维修经验,划定征兆隶属度,将BP神经网络融合Mamdani模糊系统并使用粒子群优化参数。仿真结果表明该系统能有效判别复杂故障原因,提高了设备维护保养效率。     

基于模糊BP神经网络的加热炉炉温优化控制研究

在钢铁热轧生产过程中,钢坯加热控制系统是复杂的工业控制过程,具有多变量、大惯性、非线性、强耦合的特点,所以干扰非常严重,建模十分困难,常规的控制方法难以取得理想的控制效果。模糊BP神经网络结合神经网络与模糊控制算法的优点,对加热炉炉温进行优化,对钢铁企业降低能耗、节约能源具有一定的现实意义。     

基于BP神经网络算法的技能人才模型建立研究

对影响技能人才数量的指标进行了文献调研与分析,选取了教育支出、固定资产投资、GDP指标作为BP神经网络的输入,确定了输入层、隐含层,对数据进行了分析,建立了系统模型,对算法进行了优化,并基于MATLAB对模型进行了仿真分析,仿真结果表明预测值与实际值误差较小.利用BP神经网络算法对技能人才需求进行模型建立,可以为政府决...     

基于DFNN的金融股指预测及金融非线性系统辨识研究

针对证券市场内部结构的复杂性、外部因素的多变性,本文采用动态模糊神经网络（DFNN）进行金融股指预测。DFNN能够实现在线学习,并且参数估计与结构辨识同时进行;同时采用误差下降率（ERR）修剪技术,保证网络拓扑结构不会持续增长,避免了过拟合及过训练现象,确保了DFNN的泛化能力。本文以上证指数为例．通过与同样以高斯函数作为传递函数的RBF算法预测结果的比较和分析．表明DFNN预测上证指数的偏差较小,预测的方向准确性较高。通过DFNN模型提取的模糊规则对金融系统运行模式进行分析．为研究金融非线性系统辨识提供了启发性思路。     

An integrated fuzzy mathematical model and principal component analysis algorithm for forecasting uncertain trends of electricity consumption

This paper introduces an integrated algorithm for forecasting electricity consumption (EL) based on fuzzy regression, time series and principal component analysis (PCA) in uncertain markets such as Iran. The algorithm is examined by mean absolute percentage error, analysis of variance (ANOVA) and Duncan Multiple Range Test. PCA is used to identify the input variables for the fuzzy regression and time series models. Monthly EL in Iran is used to show the superiority of the algorithm. Moreover, it is shown that the selected fuzzy regression model has better estimated values for total EL than time series. The algorithm provides as good results as intelligent methods. However, it is shown that the algorithm does not require utilization of preprocessing methods but genetic algorithm, artificial neural network and fuzzy inference system require preprocessing which could be a cumbersome task to deal with ambiguous data. The unique features of the proposed algorithm are three fold. First, two type of fuzzy regressions with and without preprocessed data are prescribed by the algorithm in order to minimize the bias. Second, it uses PCA approach instead of trial and error method for selecting the most important input variables. Third, ANOVA is used to statistically compare fuzzy regression and time series with actual data.     

基于神经网络的模糊综合评判在传输网建设中的应用

本文以某地市传输网建设可行性研究报告为例,使用基于模糊神经网络的模糊综合评判方法对三个可研方案进行综合评价。提出了一种对传输网建设鉴定的新方法,该方法采用了人工智能技术来减少鉴定的主观性,由于对建设可行性的认识存在一定的模糊性,采用了模糊综合评判进行可行性鉴定。并且提出了模糊综合评判和模糊神经网络的集成对通信工程建设和网络评估时的指导作用。     

基于模糊神经网络算法应用在电力系统中的研究

电力系统[1]是由发电、输电、变电、配电和用电等多层FNN的复杂的非线性控制系统组成。采用FNN弥补了神经网络在电力系统模糊数据处理方面的不足和模糊逻辑在学习方面的缺陷学科。     

基于神经网络的综合方法的研究

对神经网络与其它智能控制技术相结合进行了综述,主要有神经网络与模糊逻辑技术、小波分析、可拓理论、遗传算法和混沌等技术相互结合从而形成新型神经网络。进而概述了小波网络、模糊网络、模糊小波神经网络、遗传神经网络、混沌神经网络和开拓神经网络等模型的研究现状,并展望了今后的发展趋势。     

基于自适应模糊神经网络PID控制器的主动队列管理算法

主动队列管理(AMQ)是一种非常重要的拥塞控制的研究领域。但其自身的复杂性和计算机网络的动态特性,传统的PID控制算法由于其固定参数的方式、导致其对动态环境适应性低。为了克服这些缺点,通过对拥塞智能控制理论的研究,介绍了一个新的AQM算法FAPIDNN。模糊控制器是采用自动学习速率η的计算机,通过神经网络PID控制器根据当前网络状态和对网络数据包下降概率的计算基础上,网络速率自主学习的模糊控制器。仿真结果表明FAPIDNN算法在队列稳定、收敛速度和时间延迟上要优于PID控制器。     

ANN分析在广西区域物流需求预测中的应用

由于经济的不确定性、不重复性以及物流统计体系的不健全,造成了相关统计数据不够完备,同时,区域物流网络系统作为经济社会系统的一个子系统,具有数据少和信息不确定等模糊性的特征,使得如何对区域物流网络进行市场需求预测成为一个亟需解决的难题。文中尝试采用可以处理非线性、高度复杂系统的人工神经网络(ANN)方法建立区域物流需求预测模型进行分析,进而确定预测年度物流发展的总体规模。并将该模型应用于广西区域物流需求的实际预测中。     

试析优化智能控制器在BLDCM控制系统中的研究现状

随着人工智能技术的不断发展,专家系统、模糊理论、人工神经元网络等智能控制的最新成果开始进入电机控制领域,给进一步提高无刷直流电机的控制性能提供了一条全新的途径。本文结合国内外无刷直流电机控制系统的研究现状,将现代计算机应用中最前沿的最优化与智能控制与传统的PID控制器结合在一起进行研究,针对有非线性复杂特性的控制对象或控制过程,传统控制理论中的PID控制器的难以实现满意的效果。研究利用最优化算法优化智能PID控制如:(fuzzy-PID、BP-PID、自适应PID控制、专家PID、基于遗传算法整定的PID控制器),完善智能控制方法在BLDCM控制系统中的应用。     

基于模糊神经网络模型的企业设施布置评价方法

提出了一种基于模糊神经网络的企业设施布置的评价方法,通过结合模糊逻辑推理以及神经网络自学习能力的优势,克服了由专家确定变量参数的缺点,达到了对企业设施布置更客观、更科学的评价。