导读:本文包含了模糊极小极大网络论文开题报告文献综述、选题提纲参考文献，主要关键词:神经网络,模糊,极小,函数,递归,师训,算子。
模糊极小极大网络论文文献综述写法
李风军,高志文,金智[1]（2014）在《一般模糊极小极大神经网络的改进研究》一文中研究指出针对一般模糊极小极大神经网络在处理重迭超盒和包含超盒时,出现新的类而标识为未知类,进而无法达到聚类预期效果的问题,提出了通过超盒的收缩过程来加入新类或删除一个已存在类的一般模糊极小极大神经网络,它继承了一般模糊极小极大神经网络的优点,并且避免了一般模糊极小极大神经网络在分类时的随意性,弥补了一般模糊极小极大神经网络无法达到聚类预期效果的目的,以及提高了模式分类的准确性和高效性.最后,通过实例验证了方法实用有效.(本文来源于《数学的实践与认识》期刊2014年24期）
高志文[2]（2014）在《一般模糊极小极大神经网络的改进及应用研究》一文中研究指出近几年,模糊理论和神经网络技术是人工智能研究领域中的两个热点.将二者有机的结合起来,形成了模糊神经网络(Fuzzy Neural Network,简称"FNN"). FNN就是具有模糊权系数或者输入信号是模糊量的神经网络.FNN吸取了人工神经网络和模糊理论的优点,它在处理非线性、模糊输入等难题上有很大的优势,并且在处理智能信息上具有很大的潜力.在FNN基础上又发展了一般模糊极小极大神经网络(General Fuzzy Min-Max Neural Network,简称"GFMN"),此网络是一种具有鲜明特征的网络,它是FNN分类和聚类的融合.本文主要由两部分组成：第一部分是对GFMN的概述；第二部分是对GFMN的改进,并将其应用于企业资信评估中.GFMN的主要优点是利用超盒可以同时处理标记数据和未标记数据,学习部分标识的数据在模式识别系统中是非常重要的一环,当然怎么有效的识别未标识数据也是必不可少的.但是该网络也存在一些缺陷,不能够完全聚类和自适应在线学习,其训练样本仍然需要部分标识出来；当遇到新的类时,则只能将其全部归为未知的类,进而无法达到聚类的预期效果.本文提出改进后的GFMN正好填补了这一不足.在学习实验样本过程中,网络试图包含这个实验样本于已存在的同一类的超盒中,超盒的大小将会改变,那么这个过程被称为超盒扩张.若超盒扩张不存在,则网络加入一个新的超盒,并且属于同一类的超盒的聚合形成一个完整的类.通过修改其结构和学习算法,实现了加入新类或删除一个已存在类功能的GFMN,解决了原有算法中存在的不足之处.为了更为广泛的应用GFMN,以对企业资信评估分析为例来验证本文提出的网络结构和学习算法的有效性.(本文来源于《宁夏大学》期刊2014-03-01）
葛欣,丁恩杰[3]（2010）在《模糊极小极大神经网络参数的研究与应用》一文中研究指出通过研究模糊极小极大算法,找出参数设置的原理和存在的局限性.提出使用多元状态估计技术中相似度的计算方法,结合模糊集合论中的贴近度函数进行非线性运算,从而找出参数与具体分析数据间的对应关系,实现了动态设定,提高了模式分类的准确性.最后通过实际应用验证了该方法的有效性.(本文来源于《控制与决策》期刊2010年02期）
马安伟,张洪伟,潘俊曲[4]（2008）在《一般模糊极大-极小神经网络的研究与应用》一文中研究指出分析一般模糊极大-极小神经网络的基本原理,阐述模糊计算方法在分类中的准确性和高效性。将一般模糊极大-极小神经网络应用于企业资信评估中,实现模糊区间的输入,缩小企业评估指标定量化中的误差范围。资信评估结果表明,该算法能快速、有效地对企业进行分类,为资信评估提供了解决方案。(本文来源于《计算机工程》期刊2008年19期）
汤光华,戴毅,刘国岁[5]（2004）在《基于模糊极小极大神经网络的雷达一维像识别》一文中研究指出雷达目标一维距离像是随雷达姿态角变化的 ,但由于目标姿态变化的连续性及目标散射点分布的连续性 ,其一维距离像是一个随视角变化而逐渐演变的过程 ,它们应随姿态角的连续变化在特征空间中形成一条特征轨迹线。本文在基于线性内插神经网络对雷达一维距离像识别的基础上 ,改进了线性内插时特征轨迹线的形成方法。提出了一种基于模糊极小极大神经网络分类器的雷达目标一维距离像目标识别方法 ,利用模糊极小极大神经网络中的超方匣的并集来形成雷达目标特征轨迹线。进行了叁类飞机目标的 0～ 180°姿态角范围内一维距离像的分类实验研究 ,结果表明 ,用模糊极小极大神经网络分类器对雷达目标一维像分类有较高的分类准确率(本文来源于《兵工学报》期刊2004年02期）
叶慧娟,王昕晔[6]（2002）在《一种无师训练的模糊极小极大人工神经网络》一文中研究指出提出了一种无师训练的fuzzymin max人工神经网络,它兼有一般fuzzymin max网与ART2网的优点,既弥补了fuzzymin max网不能自适应在线学习新类的缺陷,又消除了ART2网警戒门限过高的弊病.经模式识别仿真对比,对同样的输入数据,文中提出的网络用较低的警戒门限值即可达到ART2用很高的警戒门限值才能达到的分类效果,且计算量大大减少.得到的结论是:对模式识别而言,文中提出的网络比fuzzymin max网和ART2网更具有实用价值.(本文来源于《海军工程大学学报》期刊2002年05期）
李永武,叶志前,陆金芳[7]（2002）在《化合物构效关系的模糊极小极大神经网络识别研究》一文中研究指出应用模糊极小极大神经网络研究了化合物复杂结构和性能 (QSAR)之间的关系 ;用该法进行几组化合物致癌的识别 ,结果优于线性回归的方法。对此作出一些分析(本文来源于《生物医学工程学杂志》期刊2002年03期）
潘荣贞,郁惟镛,田寿龙[8]（2002）在《基于波形记忆和模糊极小—极大神经网络的变压器励磁涌流和内部短路的鉴别》一文中研究指出传统的区分变压器励磁涌流和内部短路的各种方法存在原理性缺陷 ,不能满足现代超高压电力系统的要求 ,此文根据内部故障和单纯涌流这两种情况下波形的不同 ,提出了波形记忆的原理并采用了一种模糊神经网络模型——模糊极小—极大神经网络来对这两种波形进行记忆和鉴别。运用EMTP程序对变压器各种内部故障或涌流的情况进行较为全面的仿真以形成网络的训练样本 ,通过学习和测试 ,表明该网络所形成的新算法能够正确鉴别变压器各种运行工况下的励磁涌流和内部短路 ,所需的鉴别时间小于 2 0 m s(本文来源于《电网技术》期刊2002年05期）
华强[9]（2001）在《模糊极大极小神经网络新的并集学习算法》一文中研究指出提出了模糊极大极小神经网络新的隶属函数及新的并集学习算法。算法不受形状因子的影响且与学习顺序无关,各模糊子集的等λ截集中不存在异类训练样本,学习后的隐层节点数较扩充-收缩算法更少,对训练集和检测集的正确识别率更高。(本文来源于《模式识别与人工智能》期刊2001年04期）
梁久祯,何新贵[10]（2001）在《模糊极大极小算子神经元网络的图灵等价性》一文中研究指出将模糊Zadeh算子的定义域作了扩充 ,并重新定义为模糊极大极小算子 ,使其满足交换律、结合律和零元律 .在此基础上提出一种模糊极大极小算子型神经元网络模型 ,符合一般模糊算子型神经元网络的定义 .与传统的Zadeh算子型模糊神经网络相比具有较强的映射能力 .详细证明了用该模糊极大极小算子神经元网络可以计算与图灵机等价的部分递归函数 ,从而表明模糊极大极小算子神经元网络的计算能力等价于图灵机 .将传统神经元M P模型神经网络的图灵等价性推广到模糊神经元网络(本文来源于《北京航空航天大学学报》期刊2001年04期）
模糊极小极大网络论文开题报告范文
（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：
近几年,模糊理论和神经网络技术是人工智能研究领域中的两个热点.将二者有机的结合起来,形成了模糊神经网络(Fuzzy Neural Network,简称"FNN"). FNN就是具有模糊权系数或者输入信号是模糊量的神经网络.FNN吸取了人工神经网络和模糊理论的优点,它在处理非线性、模糊输入等难题上有很大的优势,并且在处理智能信息上具有很大的潜力.在FNN基础上又发展了一般模糊极小极大神经网络(General Fuzzy Min-Max Neural Network,简称"GFMN"),此网络是一种具有鲜明特征的网络,它是FNN分类和聚类的融合.本文主要由两部分组成：第一部分是对GFMN的概述；第二部分是对GFMN的改进,并将其应用于企业资信评估中.GFMN的主要优点是利用超盒可以同时处理标记数据和未标记数据,学习部分标识的数据在模式识别系统中是非常重要的一环,当然怎么有效的识别未标识数据也是必不可少的.但是该网络也存在一些缺陷,不能够完全聚类和自适应在线学习,其训练样本仍然需要部分标识出来；当遇到新的类时,则只能将其全部归为未知的类,进而无法达到聚类的预期效果.本文提出改进后的GFMN正好填补了这一不足.在学习实验样本过程中,网络试图包含这个实验样本于已存在的同一类的超盒中,超盒的大小将会改变,那么这个过程被称为超盒扩张.若超盒扩张不存在,则网络加入一个新的超盒,并且属于同一类的超盒的聚合形成一个完整的类.通过修改其结构和学习算法,实现了加入新类或删除一个已存在类功能的GFMN,解决了原有算法中存在的不足之处.为了更为广泛的应用GFMN,以对企业资信评估分析为例来验证本文提出的网络结构和学习算法的有效性.
（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。
模糊极小极大网络论文参考文献
[1].李风军,高志文,金智.一般模糊极小极大神经网络的改进研究[J].数学的实践与认识.2014
[2].高志文.一般模糊极小极大神经网络的改进及应用研究[D].宁夏大学.2014
[3].葛欣,丁恩杰.模糊极小极大神经网络参数的研究与应用[J].控制与决策.2010
[4].马安伟,张洪伟,潘俊曲.一般模糊极大-极小神经网络的研究与应用[J].计算机工程.2008
[5].汤光华,戴毅,刘国岁.基于模糊极小极大神经网络的雷达一维像识别[J].兵工学报.2004
[6].叶慧娟,王昕晔.一种无师训练的模糊极小极大人工神经网络[J].海军工程大学学报.2002
[7].李永武,叶志前,陆金芳.化合物构效关系的模糊极小极大神经网络识别研究[J].生物医学工程学杂志.2002
[8].潘荣贞,郁惟镛,田寿龙.基于波形记忆和模糊极小—极大神经网络的变压器励磁涌流和内部短路的鉴别[J].电网技术.2002
[9].华强.模糊极大极小神经网络新的并集学习算法[J].模式识别与人工智能.2001
[10].梁久祯,何新贵.模糊极大极小算子神经元网络的图灵等价性[J].北京航空航天大学学报.2001