模糊逼近神经网络选编.pptVIP

模糊逼近神经网络摄动系统的若干进展 ; 智能运输是本世纪80年代中期兴起并紧密结合现代科学技术进步的一个新兴领域。80年代以来，世界各发达国家虽然已经基本建成了四通八达的现代化国家道路网。; 但是随着社会经济的快速发展以及城市化进程的加快与汽车的普及，目前的路网通行能力已满足不了日益增长的交通需求，城市交通拥挤、交通阻塞现象日趋严重，交通污染与交通事故越来越多，所有这些都严重地制约着城市交通运作效率，并已成为社会普遍关注的焦点。用高新技术来改造现有道路运输系统及其管理体系，提高道路通行能力与服务质量，从系统的观点出发，把车辆和道路集成起来考虑，运用先进的计算机、电子、通讯、监控技术，系统地解决交通问题这就是“智能运输系统”[1]（Intelligent Transport System），简称ITS。 ;; 智能运输系统监测和控制的研究和实施，在欧美国家已有较长的历史，但是到目前为止，主要是以单条公路的定时和感应控制为主，较少涉及到几条公路的协调测控，控制方法比较传统，监测方法落后，基本上没有智能。 近年来，我们从测控运算法则的角度对高速公路入口匝道的控制与仿真进行了研究，并讨论了高速公路入口匝道的最优问题。这就引出一个多变量反馈控制策略的问题。;然而遗憾的是，在自动控制理论中还没有一个有效的方法能够解决像智能运输测控系统这样的非线性大系统的最优控制问题。线性二次型优化理论是解决线性系统多变量反馈控制的强有力工具，这种技术也可以用于在期望状态附近线性化的非线性系统，而对于一个较大的系统，反馈中的K阵较难求，况且由于最优问题是在期望状态附近得到的，所以它只能消除较小的扰动，对于严重的扰动（如发生交通事故时）该方法将显得无能为力。近年来一些学者试探引入模糊思想来研究智能运输测控，因为它能利用不精确或不准确的信息去实现在不同监测密度下的平滑过渡，最近的研究结果表明模糊设定运算具有潜在的优势。 ;模糊神经网络 ;模糊神经网络的性能在很大程度上受网络本身结构的制约，所以如何构成良好的网络结构，以便利于神经网??实现模糊输入、模糊推理、网络中的传播和最终结果的理解等等，已成为许多学者所关心并加以研究的问题。 在神经网络理论研究中，许多学者一直从事于把神经网络作为对函数逼近工具的研究。 下列问题就有待于解决： (1) 能否找到一类模糊函数可用单纯模糊神经网络来逼近的等价条件。 (2) 可用单纯模糊神经网络来普遍近似的模糊函数类具有什么样的性质? 稳定性是模糊神经网络控制系统的重要指标之一 ;模糊逼近神经网络摄动系统 ;把模糊逻辑和神经网络相结合，将监测手段和模糊神经网络控制融合，在反馈混合模糊监测神经网络系统基础上，提出一个模糊逼近神经网络摄动系统，现在已经取得一些突破性的进展。我们的这些工作都是对模糊神经网络理论的补充和完善，对开展智能运输的研究将具有启迪作用和现实意义。 ;匝道测控模型的参数辨识 ;匝道测控的因素空间分析 ;时间;模糊逼近神经网络摄动系统的全局稳定性条件 ;用椭圆模糊规则的函数逼近问题研究 ;模糊聚类神经网络的死点问题 ;灾变神经网络模型 ;图2 神经网络模型训练的均平方误差曲线图;考虑气象条件的模糊神经网络模型 ;交通通行能力分析仪;模糊逼近神经网络摄动系统的结构 ;匝道优化设计的模糊神经网络评价系统 ;交通事故的人的因素识别模式 ;网 络 空 间;谢谢！