导读:本文包含了自适应神经网络推理论文开题报告文献综述及选题提纲参考文献，主要关键词:自适应神经网络模糊推理系统,心电信号,Sugeno模糊理论,最小二乘法
自适应神经网络推理论文文献综述
盛维涛,张文君,袁宇鹏,苏航[1]（2015）在《基于自适应神经网络模糊推理系统的心电信号检测》一文中研究指出心电信号是心血管疾病的重要诊断依据,探索新方法来处理心电信号对于医学诊疗具有重要的理论意义与实用价值。阐述了一种包含输入节点层、规则节点层、平均节点层、结论节点层和输出节点层的五层结构网络的自适应神经网络模糊推理系统(Adaptive neuro-fuzzy inference system,ANFIS),并提出了基于Sugeno模糊理论、最小二乘法和梯度下降法的混合自适应学习算法来训练ANFIS中的神经网络的参数,来提高ANFIS系统的收敛性能。为验证ANFIS系统在心电信号检测中的有效性,通过原始心电信号的实测数据中的第一路腹壁混合信号(CECG)和最后一路母体心电信号(MECG)进行了ANFIS的网络训练,基于训练结果对于腹壁混合信号进行了实验预测分析,实验结果表明自适应神经网络模糊推理系统在心电信号的分析与预测中十分有效。(本文来源于《重庆师范大学学报(自然科学版)》期刊2015年06期）
刘真,李文竹,刘心[2]（2015）在《基于小波-粒子群优化-自适应神经网络模糊推理系统的需水预测》一文中研究指出针对需水预测误差高的问题,以北京市需水预测为例,提出了一种基于小波(wavelet)-粒子群优化(PSO)-自适应神经网络模糊推理系统(ANFIS)模型的需水预测方法。该方法首先是通过小波分析对需水序列进行分解,然后利用PSO优化ANFIS的网络参数,最后将预测的序列重构为原来序列的预测值。仿真结果表明,该方法在不牺牲计算复杂度的基础上提高了预测精度。(本文来源于《水科学前沿与中国水问题对策——第十叁届中国水论坛论文集》期刊2015-08-21）
金杉,金志刚[3]（2015）在《基于自适应模糊广义回归神经网络的区域火灾数据推理预测》一文中研究指出针对基于反向传播(BP)神经网络和经典概率论及其衍生算法进行火灾损失预测时,存在系统结构复杂、依赖不稳定的探测数据、易陷入局部极小值等缺点,提出一种基于自适应模糊广义回归神经网络(GRNN)的区域火灾数据推理预测算法。在网络输入层使用改进模糊C-聚类算法,对初始数据进行权重修正,减少了噪声和孤立点对算法造成的影响,提高了预测值的逼近精度;引入自适应函数优化GRNN算法,调整迭代收敛的扩展速度、变化步长,找到全局最优解,改善了过早收敛问题,提高了搜索效率。实验结果表明,该算法代入已确定火灾损失数据,解决了依赖不稳定探测数据问题,并且具有良好的泛化能力、非线性逼近能力。(本文来源于《计算机应用》期刊2015年05期）
张海霞,徐娟[4]（2015）在《基于自适应模糊神经网络推理系统的齿轮箱故障诊断方法》一文中研究指出研究利用从机械控制过程中获得的运行参数开发一种齿轮箱监测方法,而非振动与声音的传统测量方法。为了检测齿轮箱状态,采用一种自适应模糊神经推理系统来获取电机电流和控制参数之间的非线性相关性。比较自适应模糊神经推理系统模型产生的预测值和实测值来预测齿轮箱异常状态。试验结果表明,自适应模糊神经推理系统模型能够作为齿轮箱状态监测与故障检测的一种有效工具。(本文来源于《机械与电子》期刊2015年02期）
朱立新,杨扩,秦加合[5]（2014）在《一种新的基于自适应神经网络模糊推理系统的图像滤波器》一文中研究指出提出了一种新的基于自适应神经网络模糊推理系统的去除噪声算法。该算法是一个结合了中值滤波、维纳滤波和自适应神经网络模糊推理系统的综合滤波器。噪声点通过算法被准确地估计出来,自适应神经网络模糊推理系统的参数通过训练得到,训练可以通过简单的计算机合成图像来进行。将含噪声的图像、中值滤波后的图像和维纳滤波后的图像作为系统的叁个输入,通过一个固定阈值来判断像素点是否为噪声点作为系统的输出,如果判断是噪声点,则通过中值滤波来进行去噪处理,如果判断是非噪声点,则灰度值保持不变。算法的特点就是在能够保持好线条、边缘、细节和纹理的同时,很好地去除噪声点。仿真实验表明,算法可以对噪声污染的图像进行有效的重建,同时不会扭曲图像中的有用信息。(本文来源于《计算机科学》期刊2014年S1期）
张卓然[6]（2012）在《BP神经网络和自适应模糊推理系统在多传感器粮情信息融合系统中的研究及应用》一文中研究指出粮食在生产以后，大多都需经过储藏过程，储藏技术和调控技术的好坏直接影响着粮食的主要用途以及其上市的品质。而粮食储藏有着集中化，体积大，时间空间跨度广等特点，客观上决定了储粮因子的监测和调控是一个复杂的工程。如在储藏过程中对所测得信息未能充分融合，从而不能采取相应的措施，必然会造成储粮品质的下降和粮食的损失。因此为了确保储粮的安全，必须及时准确地获取并处理粮情信息，并对储粮状态做出及时准确的判断，最大限度的避免该问题的出现。本文以现有的粮情检测技术为基础，获取影响粮食储藏的多个因子，弥补了单一传感器采集信息的不完全和不精确的弱点，从而降低了了由于信息偏差或不足导致错误结论的可能性。多传感器技术可以很好地解决这些问题。通过多传感器信息融合技术在粮情信息处理中的应用，可对某时刻储粮状态进行合理的判断，为进一步提升储粮安全打下了基础，同时也为粮食品质的评估和科学储粮提供了一种方法。在粮食储藏技术中，影响粮食品质的主要因子有温度、水分、虫害和微生物等，致使储粮安全性和稳定性发生变化，储粮品质下降。本文主要是把多传感器采集到的大量具有不同物理意义的信息，运用合理的算法进行信息融合，得到该时刻对储粮情信息的一致性描述。储粮过程中最易出现的情况有粮堆发热、储粮结露、储粮害虫和粮食霉变，而这些现象是由若干影响因子相互关联、相互作用的结果，影响条件多且程度不同，情况较为复杂。因人工智能，神经网络以及模糊神经网络有着高度的非线性、良好的容错性和计算的非精确性等特点，能够将未知或复杂的数学模型通过自学习、自组织和自适应等能力“学习”得到；同时神经网络处理信息多为并行、信息储存具有分布性且结构灵活等特点，使得神经网络符合了储粮信息融合的基本要求。把采集的数据进行特征提取，并作相应的处理和变换，分别通过以BP神经网络和自适应模糊推理系统为核心的融合系统进行信息融合，得到了合理、准确的某一时刻储粮状态，并用MATLAB软件进行模拟仿真，根据仿真过程及结果多方面进行研究、测试、分析和对比，优化融合结果。其中关键在于采集的随机信息要符合研究对象的随机过程，描述需具有准确性，具备客观性和完备性；其次选择合适的方法对特征信息编码；最后是确定适当的融合算法和实施方案。上述两种融合方法在储粮状态信融合中的顺利实施，将为提高我国储粮技术水平提供一种新的途径，为进一步研制实际储粮品质评估应用系统及储粮信息相关系统打下较坚实的基础。本文中，构建识别框架是根据《中华人民共和国粮食行业标准粮油储藏技术规范》和《粮食安全储藏技术指标评价体系》和所研究粮库技术人员实际经验及知识体系而建立的，融合结果与实际相吻合。(本文来源于《武汉工业学院》期刊2012-06-04）
徐小来,朱华勇,贺中武,王伟,牛轶峰[7]（2012）在《基于UKF的自适应模糊推理神经网络》一文中研究指出如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点。针对这一问题,本文提出了基于UKF的自适应模糊推理神经网络(UKF-ANFIS)。首先,通过减法聚类确定UKF-ANFIS的模糊规则及其高斯隶属函数的中心和宽度参数;其次,分析了模糊神经网络的非线性动力系统表示,并用LLS和UKF分别学习线性和非线性的参数;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则;最后,通过典型的函数逼近和系统辨识实例,表明本文算法得到的模糊神经网络的结构更为紧凑,泛化性能也更佳。(本文来源于《计算机工程与科学》期刊2012年04期）
李刚,谢永成,李光升,朱祺[8]（2011）在《基于自适应神经网络模糊推理系统的蓄电池SOH预测》一文中研究指出针对装甲车辆铅酸蓄电池健康状况影响因素复杂、难以准确预测的特点,提出了基于自适应神经网络模糊推理系统的蓄电池SOH预测模型。在确定模型的输入变量后,对其进行了MATLAB仿真和实测数据验证分析。结果表明,该模型具有很高的预测精度,在装甲车辆铅酸蓄电池SOH预测上具有很高的实用价值。(本文来源于《微型机与应用》期刊2011年22期）
范成洲,曹钧,尹晓利[9]（2011）在《基于自适应神经网络模糊推理系统的竖井井斜预测》一文中研究指出井斜是评价成井质量的重要指标之一,钻井工艺参数是影响竖井井斜的重要因素。基于自适应神经网络模糊推理(ANFIS,adaptive neural-network-based fuzzy inference system)建立了竖井井斜预测模型,将钻压和转速两个主要钻井工艺参数作为输入变量,并选用某竖井部分录井数据作为基础数据对该模型进行了训练和评价。结果表明,该预测方法的相对误差为0～22.3%,平均相对误差为7.6%,预测效果较好,在工程实践应用中具有现实意义。(本文来源于《矿山机械》期刊2011年04期）
段伟武,宋宜斌[10]（2010）在《基于自适应神经网络模糊推理系统的柴油机故障诊断》一文中研究指出针对柴油机系统,将模糊逻辑推理系统与神经网络结合起来,研究了基于自适应神经网络模糊推理系统(ANFIS)的故障诊断方法。介绍了该系统的原理、结构及实现算法,并借助于MATLAB模糊工具箱对柴油机燃油喷射系统故障数据进行建模。仿真结果表明该系统能有效地进行故障诊断,并优于基于BP神经网络的故障诊断方法。(本文来源于《第二十九届中国控制会议论文集》期刊2010-07-29）
自适应神经网络推理论文开题报告
（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：
针对需水预测误差高的问题,以北京市需水预测为例,提出了一种基于小波(wavelet)-粒子群优化(PSO)-自适应神经网络模糊推理系统(ANFIS)模型的需水预测方法。该方法首先是通过小波分析对需水序列进行分解,然后利用PSO优化ANFIS的网络参数,最后将预测的序列重构为原来序列的预测值。仿真结果表明,该方法在不牺牲计算复杂度的基础上提高了预测精度。
（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。
自适应神经网络推理论文参考文献
[1].盛维涛,张文君,袁宇鹏,苏航.基于自适应神经网络模糊推理系统的心电信号检测[J].重庆师范大学学报(自然科学版).2015
[2].刘真,李文竹,刘心.基于小波-粒子群优化-自适应神经网络模糊推理系统的需水预测[C].水科学前沿与中国水问题对策——第十叁届中国水论坛论文集.2015
[3].金杉,金志刚.基于自适应模糊广义回归神经网络的区域火灾数据推理预测[J].计算机应用.2015
[4].张海霞,徐娟.基于自适应模糊神经网络推理系统的齿轮箱故障诊断方法[J].机械与电子.2015
[5].朱立新,杨扩,秦加合.一种新的基于自适应神经网络模糊推理系统的图像滤波器[J].计算机科学.2014
[6].张卓然.BP神经网络和自适应模糊推理系统在多传感器粮情信息融合系统中的研究及应用[D].武汉工业学院.2012
[7].徐小来,朱华勇,贺中武,王伟,牛轶峰.基于UKF的自适应模糊推理神经网络[J].计算机工程与科学.2012
[8].李刚,谢永成,李光升,朱祺.基于自适应神经网络模糊推理系统的蓄电池SOH预测[J].微型机与应用.2011
[9].范成洲,曹钧,尹晓利.基于自适应神经网络模糊推理系统的竖井井斜预测[J].矿山机械.2011
[10].段伟武,宋宜斌.基于自适应神经网络模糊推理系统的柴油机故障诊断[C].第二十九届中国控制会议论文集.2010
标签：自适应神经网络模糊推理系统; 心电信号; Sugeno模糊理论; 最小二乘法;