| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·选题背景 | 第7-8页 |
| ·模糊神经网络的研究和发展 | 第8-12页 |
| ·模糊系统和神经网络 | 第8-10页 |
| ·模糊神经网络 | 第10-11页 |
| ·模糊神经网络的参数学习算法 | 第11-12页 |
| ·遗传算法的研究和发展 | 第12-13页 |
| ·非线性系统建模的研究现状 | 第13-14页 |
| ·自适应滤波的研究现状 | 第14-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| 第二章 模糊神经网络的理论基础 | 第16-30页 |
| ·模糊系统理论 | 第16-20页 |
| ·模糊系统的组成 | 第16-18页 |
| ·模糊系统的模型 | 第18-20页 |
| ·模糊系统的非线性逼近能力 | 第20页 |
| ·神经网络理论 | 第20-24页 |
| ·神经网络的基本原理 | 第20-21页 |
| ·多层前馈网络—BP 网络 | 第21-23页 |
| ·多层前向神经网络的非线性逼近能力 | 第23-24页 |
| ·模糊神经网络的结构及学习算法 | 第24-29页 |
| ·基于标准模型的模糊神经网络 | 第24-26页 |
| ·基于 T-S 模型的模糊神经网络 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 遗传算法及其改进策略 | 第30-45页 |
| ·常见搜索方法特点及其比较 | 第30-32页 |
| ·遗传算法与传统方法的比较 | 第30-31页 |
| ·遗传算法与其他搜索方法的比较 | 第31-32页 |
| ·遗传算法描述 | 第32-40页 |
| ·遗传算法的流程 | 第32-34页 |
| ·遗传算法的基本原理 | 第34-37页 |
| ·遗传算法的应用 | 第37-39页 |
| ·遗传算法的局限性 | 第39-40页 |
| ·遗传算法的改进方案 | 第40-43页 |
| ·参数的编码方案 | 第40-41页 |
| ·交叉与变异并行处理 | 第41页 |
| ·自适应交叉和动态变异 | 第41页 |
| ·引入移民机制 | 第41-42页 |
| ·加入 BP 算子 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于改进 GA 的模糊神经网络参数学习算法及应用 | 第45-61页 |
| ·基于改进 GA 的模糊神经网络 | 第45-48页 |
| ·模糊神经网络的结构及其参数 | 第45-46页 |
| ·算法的设计思想 | 第46-47页 |
| ·算法具体实现 | 第47-48页 |
| ·在非线性系统建模中的应用 | 第48-53页 |
| ·问题的提出 | 第48-49页 |
| ·神经网络建模 | 第49-50页 |
| ·模糊建模 | 第50-51页 |
| ·基于改进 GA 的模糊神经网络建模 | 第51页 |
| ·仿真结果及分析 | 第51-53页 |
| ·在自适应滤波中的应用 | 第53-60页 |
| ·问题的提出 | 第53-54页 |
| ·自适应滤波的原理 | 第54-55页 |
| ·神经网络自适应滤波 | 第55-56页 |
| ·模糊自适应滤波 | 第56-57页 |
| ·基于改进 GA 的模糊神经网络自适应滤波 | 第57-58页 |
| ·仿真结果及分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 结论与展望 | 第61-63页 |
| ·结论 | 第61-62页 |
| ·进一步研究的工作 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间主要研究成果目录 | 第69页 |