《神经模糊系统及其应用》求取 ⇩

第一章绪 论1

1.1 模糊逻辑与模糊逻辑系统1

1.2 模糊逻辑与神经网络2

1.3 本书概要3

第二章模糊集合4

2.1 模糊集合的定义及运算4

2.2 模糊集的模运算9

2.3 分解定理和扩展原理11

2.4 模糊数及其扩展运算15

2.5 模糊关系18

2.6 区间值模糊集21

2.7 模糊事件的概率与语言概率25

2.8 常用的模糊蕴涵规则28

2.9 模糊条件推理的方法29

2.10 扩展模糊推理32

第三章神经网络的基础37

3.1 人工神经元模型37

3.3 前向神经网络38

3.2 人工神经网络模型38

3.4 反馈神经网络40

3.5 自组织神经网络41

3.6 神经网络的两大类学习方法42

3.7 误差反向传播BP算法42

3.8 应用神经网络产生模糊集的隶属函数43

第四章模糊逻辑系统48

4.1 模糊逻辑系统的组成与分类48

4.2 模糊规则库50

4.4 模糊产生器和反模糊化器51

4.3 模糊推理机51

4.5 常见的模糊逻辑系统52

4.6 模糊系统与神经网络比较53

第五章万能逼近理论与模糊系统确定57

5.1 高斯型模糊逻辑系统的万能逼近理论57

5.2 广义隶属度型模糊逻辑系统的万能逼近理论59

5.3 广义模糊逻辑系统的万能逼近理论61

5.4 模糊逻辑系统的反向传播学习方法62

5.5 模糊逻辑系统的OLS法确定67

5.6 模糊逻辑系统的表格查寻学习算法72

5.7 模糊逻辑系统的最近邻聚类学习算法77

第六章α—模糊基函数系统及其在倒立摆平衡系统中的应用82

6.1 α—模糊基函数系统及其MOLS确定82

6.2 倒立摆平衡问题的α—模糊基函数系统的实现84

6.3 仿真结果及分析103

第七章倒立摆平衡控制问题的基于C/C++的模糊控制系统107

7.1 问题及实现的理论基础107

7.2 具体实现109

8.1 模糊神经元及模糊神经网络126

第八章模糊神经网络126

8.2 模糊联想记忆129

8.3 模糊极小—极大神经网络134

8.4 模糊关系神经网络136

8.5 模糊Hopfield神经网络139

8.6 模糊推理的基于h—水平截集的模糊神经网络143

8.7 模糊逻辑系统的基于正规化模糊神经网络的实现147

8.8 用模糊神经网络来修正不完善的模糊规则156

第九章模糊神经网络应用实例169

9.1 模糊超球神经网络及其在模式聚类中的应用169

9.2 基于动态结构神经网络的自组织模糊控制171

9.3 基于神经网络集成的高木—关野模糊系统及应用176

9.4 改进的模糊神经网络模型及其建模应用183

9.5 混合pi—sigma神经网络在天气预报中的应用186

9.6 具有结构与参数学习的模糊神经网络及应用192

第十章模糊神经网络及其应用的C/C++编程实现210

10.1 pi—sigma神经网络及其建模应用的C/C++实现210

10.2 模糊Modular神经网络与建模229

第十一章模糊遗传算法与建模246

11.1 遗传算法简介246

11.2 遗传算法在模糊规则优化与模糊模式识别中的应用249

11.3 模糊寻优问题的模糊遗传算法FGA256

11.4 基于模糊系统与遗传算法的建模260

11.5 用遗传算法调整参数261

11.6 FAM矩阵261

11.7 基于C/C++的模糊遗传建模系统262

11.8 系统运行实例280

附录一 应用程序包284

附录二 经济情况数据309

参考文献313