模糊神经网络的研究及其在模式识别中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 前言 | 第10-16页 |
| ·选题背景 | 第10-13页 |
| ·模糊神经网络的发展历史、现状 | 第10-12页 |
| ·模糊神经网络的发展趋势 | 第12-13页 |
| ·课题的研究意义 | 第13页 |
| ·模糊神经网络在模式识别中的应用 | 第13-14页 |
| ·本文的研究工作及内容安排 | 第14-16页 |
| 2 基础知识 | 第16-26页 |
| ·模糊理论 | 第16-18页 |
| ·模糊集合 | 第16页 |
| ·隶属函数 | 第16-17页 |
| ·常用的隶属函数 | 第17页 |
| ·模糊if-then规则 | 第17-18页 |
| ·模糊逻辑推理 | 第18页 |
| ·模糊逻辑系统 | 第18-21页 |
| ·模糊逻辑系统的组成 | 第18-19页 |
| ·常见的模糊逻辑系统 | 第19-20页 |
| ·模糊逻辑系统的逼近问题 | 第20-21页 |
| ·神经网络 | 第21-22页 |
| ·模糊神经网络 | 第22-26页 |
| ·模糊系统和神经网络的融合 | 第22-23页 |
| ·模糊神经网络的概念 | 第23页 |
| ·模糊神经网络的结构 | 第23-24页 |
| ·模糊神经网络的泛化能力 | 第24-26页 |
| 3 基于神经网络的运输问题优化方法 | 第26-34页 |
| ·运输问题的数学模型 | 第26-27页 |
| ·表上作业法简介 | 第27页 |
| ·神经网络算法 | 第27-30页 |
| ·Hopfield神经网络 | 第27-29页 |
| ·运输问题的能量函数 | 第29页 |
| ·构造Hopfield神经网络 | 第29-30页 |
| ·亚当姆斯预测─校正系统 | 第30页 |
| ·算法及实现 | 第30-31页 |
| ·应用实例 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 4 BP神经网络的参数调整新算法 | 第34-43页 |
| ·BP神经网络 | 第34-35页 |
| ·BP神经网络概述 | 第34-35页 |
| ·BP神经网络学习算法 | 第35页 |
| ·改进的算法 | 第35-37页 |
| ·动量项修改法 | 第35-37页 |
| ·训练算法 | 第37页 |
| ·仿真实例 | 第37-41页 |
| ·本章小结 | 第41-43页 |
| 5 一种新型模糊神经网络模型 | 第43-54页 |
| ·模型原理 | 第43-44页 |
| ·新型模糊神经网络模型 | 第44-49页 |
| ·网络模型结构 | 第44-45页 |
| ·全局逼近能力 | 第45-47页 |
| ·学习算法的参数调整原则 | 第47-49页 |
| ·仿真流程与仿真实验 | 第49-52页 |
| ·仿真流程 | 第49-50页 |
| ·仿真实验与结果分析 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 6 模糊神经网络在模式识别中的应用 | 第54-63页 |
| ·模式识别的含义 | 第54-56页 |
| ·模式与模式识别 | 第54页 |
| ·模式识别系统 | 第54-55页 |
| ·模式识别的内容和方法 | 第55-56页 |
| ·统计模式识别的基本理论和方法 | 第56-57页 |
| ·Bayes判别的基本原理 | 第56-57页 |
| ·Bayes判别的实现方法 | 第57页 |
| ·前向模糊神经网络模式识别的基本理论 | 第57-59页 |
| ·神经网络与模糊逻辑的比较 | 第57-58页 |
| ·模糊神经网络结构 | 第58-59页 |
| ·模糊神经网络在地震识别中的应用 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 7 总结与展望 | 第63-64页 |
| 8 参考文献 | 第64-70页 |
| 9 论文发表与参与科研情况 | 第70-71页 |
| 10 专利及获奖 | 第71-72页 |
| 11 致谢 | 第72-73页 |
| 附录 | 第73-84页 |
