XiaoMi-AI文件搜索系统
World File Search SystemFuzzy
神经模糊算法在人体中的性能分析...
摘要。脑机接口是一种非侵入式设备，可获取大脑产生的信号，然后对其进行操纵以适应各种应用。BCI 的一个流行应用是与机器人接口；并且，每个 BCI - 机器人系统都采用不同的机器学习算法。本研究旨在对神经模糊算法（特别是自适应网络模糊推理系统 (ANFIS)）进行性能分析，以对 Emotiv INSIGHT 检索到的 EEG 信号进行分类。还开发了一种 SVM 算法作为 ANFIS 性能的参考。研究人员可以使用一种生成和获取 EEG 信号的方法作为参考。面部和眼部手势被用作 EEG 信号生成的手段，并被输入到两种算法中进行模拟实验。结果表明，ANFIS 往往比 SVM 算法更可靠，并且略胜一筹。与 SVM 相比，ANFIS 占用了大量的计算资源，需要更高的规格和训练时间。
对称键的模糊图理论方法...
1。简介：如今，随着网络的增长，数据正在广泛交换在网络上。每个成长领域的基本需求是交流。每个人都希望保护他或她的数据，以确保其个人或专业。为了掩盖原始消息的内容并确保只有预期的当事方才能读取和处理数据，密码学涉及将通信转换为不可知的形式。传输通信的人和接受通信的人是发送者和接收者。犯罪者是非法试图拦截通信的非法尝试。隐藏或隐藏的通信被称为溪流密码，而原始陈述被称为主流。加密是将纯文本转录为密文的过程，而解密是相反的。
广义的对称Fermatean中性粒细胞模糊矩阵
建议引用推荐引用Anandhkumar，M。; A. Bobin; S. M. Chithra；和V. Kamalakannan。“广义的对称的Fermatean中性粒细胞模糊矩阵”。中性粒细胞和系统70，1（2024）。https://digitalrepository.unm.edu/nss_journal/vol70/iss1/7
模糊机器学习：综合框架与系统评价
摘要 —机器学习汲取了计算机科学、认知科学和统计学等各个学科的智慧。尽管机器学习在理论和实践上都取得了长足的进步，但它的方法在处理复杂情况和高度不确定的环境时仍存在一些局限性。数据不足、观察不精确以及信息/关系不明确都会使传统的机器学习系统陷入困境。为了解决这些问题，研究人员从不同方面整合了机器学习和模糊技术，包括模糊集、模糊系统、模糊逻辑、模糊度量、模糊关系等。本文对模糊机器学习从理论、方法到应用进行了系统的回顾，总体目标是概述模糊机器学习领域的最新成就。为此，所讨论的概念和框架分为五类：1）模糊经典机器学习；2）模糊迁移学习；3）模糊数据流学习； 4)模糊强化学习；5)模糊推荐系统。本文所呈现的文献应使研究人员对模糊机器学习研究及其应用的当前进展有深入的了解。
设计飞机自动着陆的模糊逻辑控制器
摘要 - 飞机着陆对飞行员来说不是一件容易的事，因此需要一些计算机或自动驾驶仪的辅助，以及可靠高效的自动着陆控制器。这项任务甚至对控制器来说也不容易，因为有许多变量需要考虑，包括风、耀斑、高度、进近速度、航向、垂直速度以及飞机与跑道的对准等，这导致在这种情况下使用传统控制器的成本很高。因此，模糊逻辑可用于设计一个具有推理能力的系统，作为着陆助手的控制器，从而节省成本、高效使用材料并更好地管理时间。该项目中使用的模型飞机是在 MATLAB 中的 Aerosim 插件中给出的。因此，实现了自动着陆控制器助手的目标，使用此模拟，使用经典技术在 MATLAB 中的 Aerosim 插件模型中完成飞机的稳定。在这里，控制器中使用的模糊逻辑纠正了错误，使着陆变得顺利而轻松。
双轴机载模糊 pid 跟踪控制器... - ijicic
摘要。本文提出了一种基于方位/仰角环跟踪控制器的新型模糊PID控制方案，以提高跟踪实时目标的精度。模糊PID控制器由三个模糊逻辑控制器和一个带模型参考自适应控制的PID控制器组成，其中PID控制器的三个参数的自适应增益由模糊逻辑规则进行微调。所提出的控制算法的隶属函数（MF）与一般算法不同，其中输入和输出的MF彼此不同，例如MF类型，MF数量和显示范围。将所提出的模糊PID控制方法的性能与普通PID控制算法进行了比较。仿真验证了模糊PID控制模型跟踪性能的有效性，该模型具有零超调、良好的瞬态性能和快速收敛跟踪能力。模糊PID跟踪控制算法可以提高系统整体性能，为深入研究基于机载光电稳定平台的控制系统奠定理论基础。关键词：模糊PID，跟踪控制器，优化方案，稳定平台
SSVEP BCI系统的可解释的模糊转移学习
摘要 - 大脑计算机界面（BCIS）的快速演变显着影响了人类计算机相互作用的领域，具有稳态的视觉诱发电势（SSVEP），作为一种尤其是强大的范式。这项研究探讨了高级分类技术利用可解释的模糊转移学习（IFUzzyTL）来增强基于SSVEP系统的适应性和性能。最近的努力通过创新的转移学习方法加强了减少校准要求，从而通过策略性地应用域适应性和很少的动作学习策略来完善跨主题的生成性并最大程度地减少校准。深度学习中的开创性发展还提供了有希望的增强功能，促进了稳健的领域适应性，并显着提高了SSVEP分类的系统响应能力和准确性。但是，这些方法通常需要复杂的调整和广泛的数据，从而限制了立即适用性。ifuzzytl引入了一个自适应框架，该框架将模糊逻辑原理与神经网络体系结构相结合，重点关注有效的知识传递和域自适应。ifuzzytl通过整合模糊的推理系统和注意机制来完善人类干预格式的输入信号处理和分类。这种方法通过有效管理脑电图数据的固有可变性和不确定性来增强模型的精度，并与现实世界的运营需求保持一致。在三个数据集中证明了该模型的功效：12JFPM（1s的12JFPM（89.70％精度为149.58），基准（ITR为85.81％，ITR的精度为85.81％），ITR的准确性为213.99）和Eldbeta（76.50％的IT and and and and ath and and and and and and and and and and and and and and and aft）and 94.63）和94.63）和94.63） SSVEP BCI性能的基准。
使用模糊支持向量机的情感分析...
The Ministry of Communication and Information and the Ministry of BUMN of The Republic of Indonesia designed a mobile app “Peduli Lindungi” to be used to help the public and related government agencies in carrying out screening and tracing people's movement to stop the spread of Corona Virus Disease (Covid-19).The existence of a mobile app, “Peduli Lindungi” triggers abundant different sentiments from the Indonesian community, either positive or负面情绪。基于积极的情绪，印度尼西亚共和国政府可能会对该应用程序的各个方面有一些反馈。相比之下，负面的情感可以用作移动应用程序潜在改进的初始点。本研究应用模糊支持向量机（FSVM）模型来对用户对Peduli Lindungi应用程序的评论进行分类。FSVM可以将客户的评论分为两个或多个类别，并且比其他分类方法相对更高的准确性。这项研究的结果表明，使用FSVM的评论分类可产生良好的准确性，值为77％。完全正确的预测是2813个评论中的2192个评论。
基于 2 型模糊逻辑的可解释人工智能...
摘要 — 发展认知神经科学研究面临的挑战不仅与其人群（可能不太愿意合作的婴儿和儿童）有关，还与能够非侵入性记录大脑活动的神经成像技术选择有限有关。例如，磁共振成像 (MRI) 研究不适合发展认知研究，因为它们要求参与者在嘈杂的环境中长时间保持静止。在这方面，功能性近红外光谱 (fNIRS) 是一种快速出现的事实上的神经成像标准，用于记录婴儿的大脑活动。然而，缺乏相关的解剖图像和用于 fNIRS 数据分析的标准技术框架仍然是深入了解大脑发育工作原理的重大障碍。为此，本研究提出了一种可解释人工智能 (XAI) 系统，用于婴儿 fNIRS 数据，使用由遗传算法 (GA) 2 型模糊逻辑系统 (FLS) 驱动的多变量模式分析 (MVPA) 对不同刺激引起的婴儿大脑活动进行分类。这项工作有助于为透明的 fNIRS 数据分析奠定基础，该分析有可能使研究人员能够将分类结果映射到相应的大脑活动模式，这对于理解人类大脑发育如何发挥作用至关重要。索引术语 — 可解释人工智能、2 型模糊系统、遗传算法、多变量模式分析、发展认知神经科学
飞机降落在航母上的模糊路径选择策略
摘要：着陆是航空母舰上所有作业中最危险的任务之一，着陆安全对飞行员和甲板操作都至关重要。目前，舰载机着陆的安全性通过设计自动着陆控制器和训练飞行员提高其控制能力来提高，但迄今为止尚未研究选择着陆路径的重要性。本文研究了航空母舰着陆路径选择问题，因为存在多个对应于不同情况的候选路径。考虑到环境信息和人为判断的模糊性，提出了一种模糊路径选择策略来解决该问题，目标是为飞行员提供更合理的决策。该策略考虑到了工业界广泛使用的模糊多属性群决策 (FMAGDM) 的思想。首先，给出着陆路径选择的背景。然后，抽象出影响决策的因素并建立概念模型。开发了基于TOPSIS的群决策方法来表示每个决策者对每条备选路线的偏好，并考虑到飞行员和着陆控制台操作员（LCO）的知识和权重来确定当前环境下的最佳着陆路径。在不同设置（即不同环境下）下进行实验研究