| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 引言 | 第8-16页 |
| ·选题背景及意义 | 第8-12页 |
| ·研究现状 | 第12-13页 |
| ·本文主要工作 | 第13-14页 |
| ·本文组织安排 | 第14-16页 |
| 第二章 模糊神经网络概论 | 第16-45页 |
| ·神经网络原理 | 第16-21页 |
| ·人工神经元结构 | 第16-18页 |
| ·神经网络的拓扑结构 | 第18-20页 |
| ·神经网络的学习方式 | 第20-21页 |
| ·模糊系统的组成 | 第21-31页 |
| ·模糊化(Fuzzification) | 第22-24页 |
| ·知识库(Knowledge Base) | 第24-28页 |
| ·模糊推理机(Fuzzy Inference Engine) | 第28-29页 |
| ·反模糊化(Defuzzification) | 第29-31页 |
| ·模糊系统与神经网络的智能特性分析 | 第31-34页 |
| ·模糊系统与神经网络的相似性 | 第31页 |
| ·模糊系统与神经网络的相异性 | 第31-34页 |
| ·模糊神经网络模型 | 第34-45页 |
| ·模糊神经网络的发展概况 | 第34页 |
| ·模糊神经网络的模型 | 第34-45页 |
| 第三章 模糊神经网络的结构优化 | 第45-63页 |
| ·穷举法 | 第47页 |
| ·增长法 | 第47-50页 |
| ·剪枝法 | 第50-58页 |
| ·增长剪枝联合算法 | 第58页 |
| ·进化算法 | 第58-61页 |
| ·其它算法 | 第61-63页 |
| 第四章 改进的神经网络自构形学习算法 | 第63-77页 |
| ·神经网络自构形学习算法 | 第63-69页 |
| ·神经网络 BP 算法的基本原理及特性 | 第63-67页 |
| ·神经网络自构形学习算法 | 第67-69页 |
| ·改进的神经网络自构形学习算法 | 第69-77页 |
| ·最小二乘问题 | 第69-73页 |
| ·改进的神经网络自构形学习算法 | 第73-77页 |
| 第五章 改进的逐次修剪法 | 第77-82页 |
| ·逐次修剪法 | 第77-79页 |
| ·改进的逐次修剪法 | 第79-82页 |
| 第六章 一类模糊神经网络的结构优化及实例仿真 | 第82-106页 |
| ·一类模糊神经网络结构 | 第82-83页 |
| ·一类模糊神经网络设计中的几个问题 | 第83-84页 |
| ·一类模糊神经网络的结构优化 | 第84-88页 |
| ·实例仿真 | 第88-100页 |
| ·无人驾驶的模型小汽车系统仿真 | 第88-96页 |
| ·辨识非线性系统的仿真 | 第96-98页 |
| ·模式识别系统的仿真 | 第98-100页 |
| ·仿真结果分析 | 第100-106页 |
| 第七章 结束语 | 第106-109页 |
| 参考文献 | 第109-120页 |
| 博士期间发表的论文 | 第120-121页 |
| 致谢 | 第121页 |