1) fuzzy basis function
模糊基函数
1.
An on-line tracking self-learning algorithm for fuzzy basis function(FBF)neural network classi- fier is proposed in this paper.
提出了一种用于分类的模糊基函数(FBF)神经网络在线跟踪自学习算法,通过带有遗忘因子的样本均值和样本协方差矩阵,保存了原始样本所包含的类可能性分布信息,并在此基础上产生新增样本的目标输出用于训练FBF网络,以实现分类边界的在线跟踪;给出了带有遗忘因子的样本均值和样本协方差矩阵的递推算法,以克服传统方法需要保存大量以往训练样本带来的困难。
2.
Most of the existing intelligent fault diagnosis systems are lack of the ability to track the operation behavior of the machine,thus a online tracking self-learning algorithm for the fuzzy basis function(FBF) network was researched,which was used in the behavior-based intelligent fault diagnosis system.
针对现有绝大多数智能故障诊断系统自适应跟踪设备行为变化能力的不足,对基于行为的智能化故障诊断系统中模糊基函数网络的在线跟踪自学习算法进行了研究,提出了一种在线跟踪故障分类边界的自学习算法。
3.
The support vectors which are used for confirming the fuzzy basis function and creating the corresponding fuzzy rules were extracted from the training samples by the learning mechanism of SVM, and the fuzzy reasoning model was build up as a result.
该建模方法应用支持向量机的学习机制从训练样本中提取支持向量,由支持向量确定模糊基函数,产生相应的模糊规则,建立起模糊推理模型。
2) fuzzy basic functions
模糊基函数
1.
A fuzzy direct adaptive control is designed for GDROV motion control by using fuzzy basic functions to approximate the optimal control output and by adjusting the adaptive law with fuzzy logic dynamically.
采用基于模糊逻辑的直接自适应控制方法,利用模糊基函数网络逼近理想控制输出,通过模糊逻辑动态调整控制器的参数自适应律,可有效解决水下机器人控制问题。
3) fuzzy based function
模糊基函数
1.
A versatile fuzzy sliding-model adaptive controller with a bank of general rules is being presented on the basis of a newly derived self-learning algorithm, in combination with fuzzy based functions of a fuzzy logic system.
通过一种新学习算法的导出,并结合模糊逻辑系统中的模糊基函数,给出了一种带有通用规则库的模糊滑模自适应控制器。
2.
Universal optimization for adjustable parameters of fuzzy based function is realized by using GA and finding adjust law of parameters in general designing adaptive controller is replaced.
针对一类非线性函数未知的非线性离散系统 ,提出一种基于模糊基函数的稳定自适应控制器设计方法 ,该方法基于Lyapunov稳定性理论 ,因此 ,整个闭环系统渐近稳定 。
4) fuzzy mathematicss / fuzzy basis function
模糊数学/模糊基函数
5) fuzzy basis function network (FBFN)
模糊基函数网络
1.
At the first stage, the LS method is used to design the fuzzy basis function network (FBFN) and thus completes the fuzzy space partition of STLF fuzzy models.
在第1阶段,应用LS设计模糊基函数网络(FBFN)完成STLF模糊空间划分;第2阶段,首先拓展FBFN成一阶Sugeno模糊模型,然后应用EPPSO调节其前件参数同时训练后件参数,最后将前述模型用于STLF得出的预测误差看做一个新的时间序列,并仅用气象因素对其进行辨识,可以用回归模型表示该辨识模型,进而应用LS进行辨识。
6) fuzzy basis functions
模糊基函数(FBF)
补充资料：高斯函数模拟斯莱特函数
尽管斯莱特函数作为基函数在原子和分子的自洽场（SCF）计算中表现良好，但在较大分子的SCF计算中，多中心双电子积分计算极为复杂和耗时。使用高斯函数(GTO)则可使计算大大简化,但高斯函数远不如斯莱特函数(STO)更接近原子轨道的真实图象。为了兼具两者之优点，避两者之短,考虑到高斯函数是完备函数集合,可将STO向GTO展开：
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条