基于模糊神经网络的工程车辆座椅振动特性分析

利用动态模糊神经网络测量电力谐波幅度,采用误差下降率调节模糊神经网络的结构,同时用分级学习方法调节模糊神经网络参数,使神经网络结构呈现动态变化,结构紧凑,避免了过拟合及过训练现象,提高了系统的泛化能力

提出了一种基于模糊不变卷积神经网络(BICNN)模型的目标识别方法。与传统卷积神经网络(CNN)模型不同,BICNN引入了一种新的模糊不变层。 BICNN通过增加模糊不变约束项及正则化来优化模糊不变目

针对电力负荷的时变、变结构和非线性等特点, 提出一种动态模糊粒神经网络算法. 该算法采用粒计算商 空间理论和模糊神经网络技术对电力负荷进行建模. 将椭圆基函数和模糊?? − 完备性作为在线参数分配机制

模糊化接口（Fuzzification）模糊化接口主要将检测输入变量的精确值根据其模糊度划分和隶属度函数转换成合适的模糊值。为了尽量减少模糊规则数，可对于检测和控制精度要求高的变量划分多(一般5一7个

使用 TensorFlow 检测一维电机振动信号 (输入信号经历了小波变换，8 个特征)

工程车辆四参数换档规律研究,赵丁选,龚捷,针对工程车辆液力机械传动系统效率低的问题,从节能角度出发,在原来三参数换档规律的基础上,提出了工程车辆四参数换挡规律。并

基于220 t载重的多轴自卸车项目,研究了油气悬挂的刚度和阻尼特性,求取分析了阻尼特性的主要影响因素,提出了一种基于仿真计算的阻尼优化设计方法,建立油气悬挂AMESim仿真模型,求取C级路面谱随机激励

模糊神经网络的一个源代码，供初学者学习使用。程序比较详细

用matlab实现T-S模糊神经网络

自适应模糊神经网络，可以实现预测输出，实现非线性问题的预测