《模糊逻辑与神经网络 理论研究与探索》求取 ⇩

序 篇 智能模拟中的模糊逻辑与神经网络4

0.1 智能和智能系统的主要特征4

0.1.1什么是智能和智能系统的主要特征4

目 录4

0.1.2完善智能系统的主要特点7

0.2 实现智能模拟的前提性条件10

0.2.1智能模拟实现的目标与前提10

0.2.2完备的智能模拟工程系统13

0.3 智能模拟中的模糊技术与神经网络技术14

0.3.1智能模拟中的心理模式与生理模式14

0.3.2智能模拟中的神经网络技术18

0.3.3智能模拟中的模糊技术19

0.4 自适应模糊系统与因素神经网络理论22

0.5本书的目标和内容安排24

1.1 CONTOR集合与模糊集合29

1.1.1 CONTOR集合及其本质特征29

第一篇 模糊逻辑29

第一章模糊逻辑的集合论基础29

1.1.2模糊集合及其表示方法30

1.2 模糊集合上的运算及其性质32

1.2.1模糊集合的基本运算32

1.2.2模糊集合上的一些特殊运算33

1.3 模糊集合与普通集合间的转化35

1.3.1模糊集的截集与集合套35

1.3.2分解定理和表现定理36

1.4 模糊关系与模糊等价关系38

1.4.1关系与模糊关系38

1.4.2模糊关系的合成39

1.4.3模糊等价关系39

1.5.1映射与模糊映射40

1.5 模糊映射与扩展原理40

1.5.2模糊映射与扩展原理42

1.6 广义模糊集44

1.6.1 区间数与模糊数44

1.6.2语言值模糊集46

1.6.3格模糊集与高阶模糊集47

第二章模糊命题逻辑50

2.1 模糊命题及其真值表示方法50

2.1.1命题与模糊命题50

2.1.2模糊命题真值的表示方法52

2.1.3复合模糊命题53

2.2 模糊命题逻辑及其合式公式53

2.2.1几种典型三值逻辑简介53

2.2.2狭义模糊逻辑55

2.2.3模糊命题逻辑的合式公式56

2.2.4模糊命题逻辑公式的范式与化简58

2.3狭义模糊命题演算及推理系统61

2.4 区间值模糊命题逻辑63

2.4.1基于区间值模糊命题的不精确性知识描述63

2.4.2区间值模糊命题逻辑64

2.4.3不确定性区间值模糊推理65

2.5 语言值模糊逻辑与自然语言型推理67

2.5.1语言值模糊逻辑与分布值模糊逻辑68

2.5.2 自然语言型模糊推理70

第三章模糊谓词逻辑72

3.1 模糊谓词与模糊谓词逻辑中的合式公式72

3.1.1谓词与模糊谓词72

3.1.2模糊谓词逻辑中的合式公式74

3.2模糊谓词逻辑的等值演算75

3.3基于模糊谓词逻辑的模糊推理76

3.3.1无约束变元时的模糊谓词逻辑演算及推理系统77

3.3.2考虑变元约束时的模糊谓词逻辑等值演算与推理79

第四章关于模糊逻辑的理论研究82

4.1 格值（模糊）逻辑82

4.1.1有关格的一些基本概念82

4.1.2格值（模糊）逻辑及其合式公式84

4.1.3格值逻辑公式的化简86

4.2 算子模糊逻辑92

4.2.1算子格与算子模糊逻辑公式92

4.2.2算子模糊逻辑中的范式与λ－归结95

第二篇 神经网络基本理论102

第五章人工神经网络的生物基础102

5.1 生物神经元与神经网络102

5.1.1生物神经元的生理结构与功能结构102

5.1.2生物神经元间信息传递的机制与生物神经网络的构成104

5.2.1大脑的生理模型与功能结构106

5.2 大脑的生理模型及其信息处理机制106

5.2.2人脑进行信息处理的机制与特性107

5.3 关于思维和记忆的一些研究和猜测109

5.3.1对大脑学习和记忆机理的一些认识110

5.3.2对意识和思维过程的一种猜测模型111

第六章人工神经网络的基本模型113

6.1 基本人工神经元及其网络模块113

6.1.1人工神经元的基本模型113

6.1.2人工神经网络及其主要类型115

6.2 能实现映射变换的三层前馈型BP网络116

6.2.1BP网络的数学模型116

6.2.2 BP网络的学习算法117

6.2.3对BP网络及其学习算法的一些改进118

6.3 可实现联想记忆的Hopfield网络126

6.3.1 Hopfield网络的数学模型126

6.3.2 Hopfield网络的动态稳定性126

6.3.3连续型Hopfield网络及其稳定性130

6.4 随机型BM网络131

6.4.1 BM网络的功能结构131

6.4.2 BM网络的运行机理和学习算法132

6.5 其他典型联想记忆网络模型134

6.5.1单向线性联想存储器134

6.5.2双向联想记忆网络135

6.6 对向传播（CP）网络137

6.6.1 三层对向传播网络的数学模型137

6.6.2三层对向传播网络的学习过程138

第七章神经网络的软硬件实现139

7.1 电子神经元器件的基本结构与实现技术139

7.1.1模拟神经元器件的基本结构与实现技术139

7.1.2基于电流模式的模拟实现方法142

7.1.3数字神经元器件的基本结构与实现技术144

7.2 光神经器件的实现技术148

7.2.1 光神经器件实现的一些基本技术149

7.2.2光神经器件的基本结构与实现153

7.3 神经网络的软件实现方法155

7.3.1 利用已有的神经网络软件开发环境开发神经网络软件155

7.3.2利用专门的神经网络描述语言开发神经网络软件158

7.3.3使用通用计算机编程语言开发神经网络软件162

第八章神经网络系统理论174

8.1 神经网络系统的动力学稳定特性174

8.2 网络系统的吸引子与吸引域分析178

8.3网络的随机稳定性（概率统计的观点）181

8.4 神经网络的熵理论183

8.4.1能量与熵183

8.4.2同步并行计算时的熵变规律184

8.4.3异步串行计算时的熵变规律185

第九章模糊信息处理与模糊神经网络189

9.1模糊信息处理的神经网络方法189

第三篇 模糊神经网络189

9.2 基本模糊神经元及模糊神经网络模型191

9.2.1几种基本模糊神经元191

9.2.2前向型模糊神经网络与反馈型模糊神经网络193

第十章模糊推理网络194

10.1 模糊推理模型的表达方法194

10.1.1模糊关系模型的数学描述194

10.1.2模糊关系模型的化简与规则型模糊推理195

10.2 模糊推理的神经网络实现方法197

10.2.1前馈型模糊神经网络的基本构成197

10.2.2神经网络与模糊推理协作系统200

第十一章模糊联想记忆网络202

11.1 模糊记忆与模糊联想存储器202

11.1.1模糊自联想存储器202

11.2 模糊异联想存储器多模式对联想存储学习算法的优化203

11.1.2模糊异联想存储器203

11.2.1模糊赫布型学习规则的特征与不足204

11.2.2多模式对联想记忆学习的优化算法205

11.3 模糊双向联想记忆与推理网络206

11.3.1模糊双向联想记忆与推理网络的基本性能206

11.3.2模糊双向联想记忆与推理网络的动态分析及稳定特性209

第十二章基于模糊神经网络的模糊规则提取213

12.1模糊系统的联接主义表达与特点213

12.2模糊规则提取的神经网络方法214

12.3对提取规则的置信度估计217

第四篇 因素神经网络理论221

第十三章知识的因素表示理论221

13.1 因素与因素空间221

13.1.1事物、因素及因素状态221

13.1.2因素间的关系与运算222

13.1.3事物与因素的关系描述223

13.1.4事物的层次结构与识别因素（开关因素）224

13.1.5因素状态空间及其分类225

13.1.6事物因素分析的一般步骤226

13.1.7因素空间及其初步性质226

13.2 知识的因素表示方法230

13.2.1知识、智能及其数学描述230

13.2.2知识的因素表示模式231

13.2.3概念的因素表示方法233

13.2.4推理、判断的因素表示236

13.2.5因素推理模式的真值流解释237

第十四章因素神经元与因素神经网络238

14.1选用因素神经元作为知识表示基本模式的一些考虑238

14.2 因素神经元形式化定义及意义240

14.2.1因素神经元形式化定义240

14.3.1因素神经网络形式化定义241

14.3 因素神经网络形式化定义及其类型241

14.2.2关于因素神经元形式化定义的几点说明241

14.3.2对因素神经网络定义的几点解释242

14.3.3因素神经网络的主要类型243

第十五章几种典型因素神经元及其网络245

15.1 点值（单一数值）型因素神经元及其网络245

15.1.1一类二值型因素神经元的形式化定义245

15.1.2二值型因素神经元的电子实现方法246

15.1.3二值型因素神经元及其网络可实现的函数性质研究250

15.1.4二值命题逻辑运算的二值型因素神经网络等价实现方法254

15.1.5一类连续值因素神经元及其性质259

15.1.6连续值因素神经网络对任意逻辑函数关系的可实现性260

15.1.7连续值因素神经元的电子实现262

15.1.8模糊综合决策问题的连续值因素神经网络实现269

15.2 区间值因素神经元及其网络271

15.2.1 区间值因素函数与区间值逻辑函数272

15.2.2一类区间值型因素神经元定义及其性质274

15.2.3 区间值因素神经元的电子实现275

15.2.4一类区间值不精确推理及其区间值因素神经网络实现278

15.2.5不确定性区间值推理网络的学习算法282

15.3 分布值因素神经元及其网络283

15.3.1分布值函数与分布值逻辑284

15.3.2一种分布值（模糊语言值）因素神经元定义及其简单性质284

15.3.3分布值（模糊语言值）因素神经元的电子实现286

15.3.4分布值（模糊语言值）因素神经元应用举例290

第十六章解析型因素神经网络293

16.1 解析型因素神经网络描述模型的构建293

16.1.1以对象为基础的系统描述方法293

16.1.2对象的模糊划分与模糊关系295

16.1.3系统认知与描述对象的解析型因素神经元表达299

16.2 解析型因素神经元中的推理机制300

16.2.2解析型因素神经元中的演绎推理与问题求解策略301

16.2.1解析型因素神经网络推理模型的建立301

16.2.3解析型因素神经网络中问题求解策略的具体实现方法303

16.3 解析型因素神经网络中的非确定性推理与模糊搜索策略307

16.3.1非确定性推理模式的一般表达307

16.3.2基于概率表达的非确定性推理的实现308

16.3.3基于模糊逻辑的非确定性推理方法310

16.3.4基于因素表达的非确定性推理316

16.3.5问题求解中的模糊搜索策略321

16.3.6启发式搜索中的因素辅助搜索策略323

16.4 解析型因素神经网络中的类比与联想324

16.4.1相似、相对与类比324

16.4.2联想过程中的导航机制326

16.5 解析型因素神经网络中的学习与归纳推理327

16.5.1学习与归纳推理327

16.5.2离散对象的归纳328

16.5.3具有特定拓扑结构的对象的归纳推理329

17.1 智能模拟与模拟型因素神经网络331

第十七章模拟型因素神经网络331

17.1.1人类认识中的理论与经验332

17.1.2经验模拟与模拟型因素神经元333

17.1.3模拟型因素神经元的一般功能与结构334

17.1.4模拟型因素神经元中的内部网络模块与节点（胞元）335

17.1.5模拟型因素神经元实现智能模拟的方法336

17.2 模拟型因素神经元中的前馈型网络模块与信息映射变换的实现337

17.2.1信息映射变换与映射型网络模块337

17.2.2前馈型网络模块实现映射变换的方法337

17.3 模拟型因素神经元中的反馈型动态网络模块及其联想记忆功能338

17.3.1联想与联想记忆338

17.3.2模拟型因素神经元实现联想记忆的方法339

17.4 模拟型因素神经网络中的认知模型341

17.4.1认知与认知网络341

17.4.2 ART-1的结构与运行机制342

17.4.3.ART-2的结构与网络方程343

17.4.4ART-3网络简介345

17.5 模拟型因素神经网络的功能结构分析346

17.5.1具有前馈型网络模块的模拟型因素神经元的功能结构347

17.5.2具有反馈型动态网络模块的模拟型因素神经元的功能结构348

17.5.3模拟型因素神经网络的一般功能结构350

第十八章组合式因素神经网络的系统设计与系统稳定特性351

18.1 组合式因素神经网络的系统设计351

18.1.1组合式因素神经网络系统的基本结构351

18.1.2组合式因素神经网络系统的数学描述353

18.1.3组合式因素神经网络系统设计的一般方法354

18.1.4组合式因素神经网络系统设计的一些指导性原则355

18.2 组合式因素神经网络系统的稳定特性356

18.2.1组合式因素神经网络系统的状态稳定性357

18.2.2组合式因素神经网络系统的结构稳定性361

参考文献369