广义智能系统柔性超拓扑空间模型研究与应用
第一章 绪论 | 第1-26页 |
·选题背景和研究现状 | 第12-22页 |
·本文的主要工作和成果 | 第22-24页 |
·本文的组织 | 第24-25页 |
·小结 | 第25-26页 |
第二章 柔性化超拓扑空间模型FHTSM | 第26-37页 |
·智能混合系统的一般模型 | 第26-28页 |
·独立模型 | 第26页 |
·转换模型 | 第26-27页 |
·层次模型 | 第27页 |
·全集成模型 | 第27-28页 |
·智能混合系统使用的技术 | 第28-30页 |
·专家系统(Expert System) | 第28页 |
·神经网络(Neural Network) | 第28页 |
·模糊逻辑(Fuzzy Logic) | 第28-30页 |
·现有智能混合系统的优缺点 | 第30-32页 |
·FHTSM的建立 | 第32-36页 |
·信息在脑中的形成方式、结构形式和转化过程 | 第32页 |
·智能混合系统模型应当具有的特点和功能 | 第32-34页 |
·FHTSM的结构 | 第34-36页 |
·小结 | 第36-37页 |
第三章 超拓扑空间理论 | 第37-61页 |
·超拓扑空间理论的建立 | 第37-55页 |
·信息空间的构造 | 第38-39页 |
·超空间的构造 | 第39-43页 |
·超空间内的奇异区域和“眼” | 第43-44页 |
·超拓扑空间的定义和性质 | 第44-45页 |
·空间结构的延拓 | 第45-49页 |
·超空间的聚类反应 | 第49-53页 |
·超空间的动力学拓扑性质 | 第53-55页 |
·超空间的局限性 | 第55页 |
·超拓扑结构知识表示方法 | 第55-60页 |
·超拓扑结构的形式化定义 | 第55-59页 |
·超拓扑结构的操作 | 第59-60页 |
·小结 | 第60-61页 |
第四章 泛逻辑神经元 | 第61-86页 |
·泛逻辑学简介 | 第61-75页 |
·泛逻辑学的研究内容 | 第61-62页 |
·关系柔性 | 第62-67页 |
·命题泛逻辑运算模型 | 第67-75页 |
·逻辑神经元的研究现状 | 第75-80页 |
·二值逻辑神经元 | 第75页 |
·三值/多值逻辑神经元 | 第75-76页 |
·模糊逻辑神经元 | 第76-80页 |
·泛逻辑神经元 | 第80-84页 |
·泛逻辑运算神经元统一模型 | 第80-81页 |
·零级非、与、或和平均运算神经元统一模型 | 第81页 |
·零级蕴含运算神经元模型 | 第81-82页 |
·零级等价运算神经元模型 | 第82-83页 |
·零级组合运算神经元模型 | 第83-84页 |
·一种确定广义相关程度的方法 | 第84-85页 |
·小结 | 第85-86页 |
第五章 FHTSM模型的关键技术 | 第86-121页 |
·自组织学习方法 | 第86-90页 |
·方法描述 | 第86-88页 |
·自组织学习实例 | 第88-90页 |
·规则的抽取与插入 | 第90-109页 |
·现有的规则抽取与插入算法 | 第91-102页 |
·本文提出的规则抽取与插入算法 | 第102-105页 |
·规则抽取与插入实例 | 第105-109页 |
·一体化推理与搜索技术 | 第109-120页 |
·基本指令集与规则集 | 第109-113页 |
·真值流推理方法 | 第113-119页 |
·标号搜索算法 | 第119-120页 |
·小结 | 第120-121页 |
第六章 FHTSM模型在汉字识别中的应用 | 第121-130页 |
·汉字识别的原理和一般方法 | 第121-122页 |
·FHTSM模型在汉字识别中的应用研究 | 第122-125页 |
·印刷体汉字的识别 | 第123-124页 |
·手写体汉字的识别 | 第124-125页 |
·实际应用与结果的比较 | 第125-129页 |
·小结 | 第129-130页 |
第七章 总结与展望 | 第130-133页 |
·本文创新点及研究成果 | 第130-131页 |
·进一步的研究工作 | 第131-133页 |
参考文献 | 第133-143页 |
攻读博士学位期间发表的文章和参加的科研活动 | 第143-144页 |
致谢 | 第144-145页 |
西北工业大学学位论文知识产权声明书 | 第145页 |
西北工业大学学位论文原创性声明 | 第145页 |