非线性系统的神经模糊建模研究
| 前言 | 第1-19页 |
| 第一章 神经网络理论 | 第19-25页 |
| ·人工神经元模型 | 第19-20页 |
| ·人工神经网络的结构 | 第20-21页 |
| ·神经网络的学习 | 第21-24页 |
| ·神经网络的学习规则 | 第21-22页 |
| ·神经网络的学习方式 | 第22页 |
| ·神经网络的学习算法 | 第22-24页 |
| 小结 | 第24-25页 |
| 第二章 模糊理论基础 | 第25-33页 |
| ·模糊集合 | 第25-26页 |
| ·模糊集合的定义 | 第25页 |
| ·模糊集合的表示法 | 第25-26页 |
| ·常用的隶属函数 | 第26页 |
| ·模糊关系 | 第26-27页 |
| ·模糊关系的定义 | 第26-27页 |
| ·模糊关系的运算 | 第27页 |
| ·模糊推理 | 第27-28页 |
| ·模糊推理的基本概念 | 第27-28页 |
| ·模糊蕴含 | 第28页 |
| ·模糊推理系统 | 第28-31页 |
| ·模糊建模 | 第31-32页 |
| 小结 | 第32-33页 |
| 第三章 模糊神经网络 | 第33-49页 |
| ·模糊神经网络模型 | 第33-38页 |
| ·基于Mamdani模糊规则的模糊神经网络 | 第33-35页 |
| ·基于T-S的模糊神经网络 | 第35-36页 |
| ·基于线性清晰化的模糊神经网络 | 第36-38页 |
| ·自适应神经模糊推理系统 | 第38-41页 |
| ·网络模型的描述 | 第38-39页 |
| ·网络模型结构的确定 | 第39-41页 |
| ·一种新型模糊神经网络 | 第41-48页 |
| ·问题的描述与假设 | 第41-42页 |
| ·通用逼近性证明 | 第42-43页 |
| ·新型模糊神经网络的结构 | 第43-44页 |
| ·基于优选聚类算法的新型网络的结构辨识 | 第44-46页 |
| ·新型网络的学习算法 | 第46-48页 |
| 小结 | 第48-49页 |
| 第四章 仿真研究 | 第49-57页 |
| ·固定模糊规则的FNN建模仿真 | 第49-51页 |
| ·带有减法聚类算法的FNN建模仿真 | 第51-54页 |
| ·新型模糊神经网络的建模结果 | 第54-56页 |
| ·仿真结果分析 | 第56页 |
| 小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-60页 |
