XiaoMi-AI文件搜索系统
World File Search SystemFuzzy
修改模糊遗传算法：规则生成和缓存的最近邻居策略
摘要：遗传算法（GA）比其他方法（例如梯度下降或随机搜索）更有用，尤其是对于具有许多局部最小值和Maxima的非不同的函数，例如梯度下降或随机搜索。标准GA方法的缺点之一是需要设置许多超参数，并且基于复杂规则而不是更直观的模糊规则，选择压力是基于复杂的规则。通过模糊逻辑调整此类参数的遗传算法的变体，以使参数更新原理更容易解释，构成模糊遗传算法（FGAS）的类别。本文提出了对具有N个特性和自动生成规则的两个相对模糊遗传算法（FGA）的修改，以及旨在改善模拟运行时的计算优化。在基准功能（Ackley，Griewank，Rastrigin和Schwefel）上评估了修改，并且选择了每个修改方法的最佳设置（即成员资格功能，术语数，T-norm和t-conorm）。将结果与标准GA和粒子群优化（PSO）进行了比较。结果表明，FGA方法可以使用缓存和最近的邻居方法进行优化，而不会失去准确性和收敛性。证明这两种修改后的方法在统计学上的表现明显比基线方法差。结果，我们提出了对现有两种算法的两种优化：通过缓存和测试其性能，通过规则生成和最近的邻居估算进行外推。
使用毕达哥拉斯模糊集对阿尔茨海默病 MRI 脑部进行分割
阿尔茨海默病 (AD) 是一种退行性且最终致命的脑部疾病，目前尚无治愈方法。这种神经系统疾病病因复杂，会导致痴呆和认知能力下降，由于脑部 MRI 图像存在差异，包括大小、形状和脑脊液流量的差异，因此很难识别。虽然 AD 没有治疗方法，但通过早期诊断可以减缓其进展。许多研究人员已经采用基于图像处理的技术，根据脑部图像区分正常患者和 AD 患者。然而，大脑的各个区域通常看起来非常相似，因此很难精确定位特定区域，而且在提取精确区域时总会存在一些不确定性。文献中提出了各种模糊 c 均值和直觉模糊 c 均值 (IFCM) 方法来处理这种模糊性和不确定性。相比之下，毕达哥拉斯模糊集 (PFS) 提供了一种更精确的验证成员资格的方法，使其成为管理不确定性的有效工具。作者分析了 PFS，并应用模糊 c 均值提出了毕达哥拉斯模糊 c 均值 (PFCM)。此外，还使用了基于直方图的初始质心来避免许多聚类算法中常见的局部最小值问题。由于结合了初始质心和基于 PFS 的聚类，所提出的聚类算法表现出了更好的性能，在不到 1.5 秒的时间内完成执行。所提出的方法在检测脑组织时实现了高准确率：白质 (WM) 为 98.64%，灰质 (GM) 为 97.4%，脑脊液 (CSF) 为 98.14%。
HVAC 系统中温度和湿度控制的混合方法以及模糊逻辑优化
本文的主要目的是阐明这种新的但前景广阔的模糊逻辑和自适应神经模糊网络混合方法，以及它在控制系统中的应用，特别是在计算机科学和工程应用领域。本文的最初目标是研究通过改变输入参数引起的能量消耗变化以及系统稳定性（包括系统响应时间和改变系统输入值时产生的误差）。本文将模型向前推进了一步，修改了基于数学的导出模型，以用于设计实用的模糊控制器并将其应用于实际应用，例如温度控制问题。修改了该模型，使传统控制器在有多个受限资源可用时更加明确。导出该模型是为了提供一个强大的量化模糊系统，该系统可以找出满意度水平，并提供一个实用且智能的工具，以进一步评估模糊逻辑控制器可用的不同选项的影响。
针对 Pico Hydro 的模糊控制电池储能系统 (BESS) 的设计
摘要 — 微微水力系统是水力涡轮机调速器、电子负荷控制器和发电机的组合，被概述为农村社区离网供电选项的推荐方法之一。在传统的水力系统安装中，具有比例-积分-微分 (PID) 的电子负荷控制器是提供发电和负荷消耗需求之间功率平衡的最佳选择。然而，白天的电力需求总是会出现高峰，但夜间的能源消耗却很低。这种情况导致大量能源被倾倒和浪费，并且缺乏与工厂电力稳定性有关的能源管理。因此，本研究旨在为能够满足关键负载要求的能源系统设计模糊逻辑控制 (FLC)，然后使用 MATLAB SIMULINK 进行仿真以评估过剩能源的有效利用。使用 Mamdani 的方法和 25 条成员规则来实现基于模糊逻辑的控制系统，可以在放电、电池备份和负载供应等场景之间执行有效的功率流控制。结果表明，通过对微型水电系统 2 秒到 3 秒的剩余发电量实施模糊控制，这种方法是一种更好的替代方案，可以更有效地稳定系统并提高能源供应。
针对 Pico Hydro 的模糊控制电池储能系统 (BESS) 的设计
摘要 — 微微水力系统是水力涡轮机调速器、电子负荷控制器和发电机的组合，被概述为农村社区离网供电选项的推荐方法之一。在传统的水力系统安装中，具有比例-积分-微分 (PID) 的电子负荷控制器是提供发电和负荷消耗需求之间功率平衡的最佳选择。然而，白天的电力需求总是会出现高峰，但夜间的能源消耗却很低。这种情况导致大量能源被倾倒和浪费，并且缺乏与工厂电力稳定性有关的能源管理。因此，本研究旨在为能够满足关键负载要求的能源系统设计模糊逻辑控制 (FLC)，然后使用 MATLAB SIMULINK 进行仿真以评估过剩能源的有效利用。使用 Mamdani 的方法和 25 条成员规则来实现基于模糊逻辑的控制系统，可以在放电、电池备份和负载供应等场景之间执行有效的功率流控制。结果表明，通过对微型水力发电系统 2 秒到 3 秒的剩余发电量实施模糊控制，这种方法是一种更好的替代方案，并且更有效地实现系统稳定和能源供应。
基于模糊代理的仿真，用于管理一支自动工业车队的电池电池
摘要：本文提出了使用模糊逻辑来探索自动工业工具（AIVS）的电池充电管理的多代理模拟。这种方法通过分布式系统提供适应性和韧性，可容纳AIV电池容量的变化。结果突出了自适应模糊模型在优化充电策略，提高运营效率和遏制能耗的功效。动态因素（例如工作负载变化和AIV基础结构通信）以启发式方式考虑，强调了自主系统中灵活的协作方法的重要性。值得注意的是，能够根据能源关税优化充电的基础设施可以大大减少高峰时段的消耗，从而强调了此类策略在动态环境中的重要性。总体而言，该研究强调了将适应性模糊的多代理模型纳入AIV能源管理以推动工业运营中的效率和可持续性的潜力。
基于模糊逻辑控制器的G2V和V2G技术，用于三个阶段bi-
在两个阶段的双向电池充电器中有两个阶段。第一步（BUCK转换器）由AC/DC转换器组成，该转换器使电能够从网格流向内部DC链接。如果需要，它也可以保持在Unity功率因子上。第二步（调节电池电压和电流的“ boost转换器”）由DC/DC转换器组成。此外，此设置可以调整反应能力。v2g是用于描述从电动电气电池到网格的活动电流流动的术语。应管理电动电池电池的充电过程，以在G2V和V2G过程中保持电网中的功率标准。但是，当电动汽车变得越来越普遍时，电动汽车电池将保留大量能量，从而产生朝另一个方向的能量流动的可能性（Vehicleto-Grid，V2G）。
用于医学图像处理的卡尔曼布西滤波神经模糊图像去噪
推荐引用 推荐引用 G., Mohanapriya；Muthukumar S.；Santhosh Kumar S.；和 Shanmugapriya MM。“用于医学图像处理的卡尔曼布西滤波神经模糊图像去噪。”中智集合与系统 70, 1 (2024)。https://digitalrepository.unm.edu/nss_journal/vol70/iss1/19
在车辆临时网络中的基于模糊的高效和面向区块链的安全路由
车辆临时网络（VANET）代表了无线传感器网络（WSN）的改进，其移动感官节点位于车辆内。车辆Adhoc网络在智能城市的应用中处于关键位置，因为车间通信被认为是维持城市技术效率必不可少的。尽管Vanet提供了好处，但它在智能城市应用程序的背景下遇到了许多挑战和缺点。这样的挑战与Vanet的安全和隐私原则有关。隐私和安全性作为与Vanet相关的主要问题，促使多个研究人员在过去十年中提出安全解决方案。目前的研究工作着重于提高服务质量（QoS）的提高数据通信的安全性水平。通过使用区块链技术以及将椭圆曲线加密功能与安全的哈希功能集成以保护从节点到移动控制单元（MCU）的数据通信来实现此安全性增强。此外，提出的研究工作通过采用神经模糊逻辑来识别从源节点到移动控制单元（MCU）的最佳路径，为移动节点和控制单元之间的数据提供了有效的路由机制。将提出的工作与现有的密码方法以及最新的路由路径优化算法，即粒子群优化（PSO），遗传算法（GA），模因算法（MA）（MA）和Honey Bee优化（HBO），以及在计算时间内交付，以确定其优势，即通过PARTIT和分组，并在计算时间内建立优势。
生物反馈：基于不断发展的模糊神经网络和可穿戴技术的电子健康预测
摘要 可穿戴微电子技术和新型神经网络范式（如进化模糊神经网络 (EFuNN)）的最新进展使得基于生物反馈的应用得以部署，这些新型神经网络范式能够在线进化和学习。通过无创地测量心率、生物阻抗、体温、运动活动、血压、血氧和呼吸频率等生命体征，可以恢复错过的生理反应。然后，可以应用进化的 ANN 范式进行预测。已经应用进化模糊神经网络 (EFuNN) 范式进行预测，对可穿戴生物反馈系统进行了仿真。已经部署了一种用于无创生命体征测量的高度集成的可穿戴微电子设备。仿真结果表明，生物反馈控制模型可以成为一种有效的参考设计，能够实现短期和长期的电子健康预测。然后定义了生物反馈框架。