基于遗传算法和神经网络的混合自学习策略

通过对神经网络自学习方法和基因遗传算法的研究 ,采用自适应基因遗传算法对神经网络进行训练 ,形成基于遗传算法和神经网络的混合自学习策略 ,克服了神经网络自学习方法的不足 ,提高了系统的自学习能力     

挠性卫星姿态的模糊神经控制

在卫星的姿态控制领域里,智能控制技术得到越来越多的关注。把模糊神经控制引入到挠性卫星姿态稳定控制中,给出了详尽的实现方法,并推导了模糊神经网络的自学习算法。由于在模糊神经控制器中规则参数初值的确定吸收利用了经验知识,故提高了模糊神经控制器的在线学习速度。仿真结果表明:该控制算法通过在线学习能有效地克服挠性卫星的不确定性,具有较强的鲁棒性,从而可实现较高精度的卫星姿态控制。     

基于贝叶斯理论的自学习模糊综合评判研究

在目前多专家故障诊断系统采用的模糊综合评判方法基础上,根据某特定故障的理论诊断结果及实际检测、维修结果,利用贝叶斯理论,对特定故障下各专家的初始权重集进行实时更新,实现了模糊综合评判的自学习,提高了诊断的准确性.最后给出了方法在"康明斯柴油机故障诊断专家系统"中的应用实例,验证了方法的有效性.     

一种雷达辐射源识别自学习算法研究

针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于遗传算法(GA)的自学习算法实现雷达辐射源智能识别的方法。实验表明:在使用相同的特征参数"前件"条件下,通过这种自学习方法得到的正确识别率高于其它识别方法。