首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

多项式神经模糊模型的构造与应用

本文创新点第6-12页
摘要第12-13页
ABSTRACT第13页
1 绪论第14-24页
    1.1 研究背景第14-16页
    1.2 国内外研究现状第16-21页
        1.2.1 模糊模型研究进展第16-17页
        1.2.2 神经网络研究进展第17-19页
        1.2.3 神经模糊模型研究进展第19-21页
    1.3 研究路线第21-22页
    1.4 研究内容第22页
    1.5 本文的组织结构第22-24页
2 多项式神经模糊模型的理论基础第24-38页
    2.1 模糊模型的数学基础第24-32页
        2.1.1 模糊集第24-29页
        2.1.2 模糊规则第29-32页
    2.2 自适应神经网络的基本原理第32-35页
    2.3 优化算法的一般性框架第35-36页
    2.4 多项式神经模糊模型体系结构第36-38页
3 二次多项式模糊模型第38-58页
    3.1 二次多项式模糊规则第39-42页
        3.1.1 TSK模糊模型的模糊规则第39-41页
        3.1.2 T模糊模型的模糊规则第41-42页
        3.1.3 二次多项式模糊规则第42页
    3.2 二次多项式模糊模型构造的基本框架第42-46页
        3.2.1 二次多项式模糊规则的生成第43页
        3.2.2 信息分类机制的实现第43-46页
    3.3 SA二次多项式模糊模型第46-51页
        3.3.1 SA型模糊规则前提部分的构造第47-49页
        3.3.2 SA模糊规则结论部分的构造第49-51页
    3.4 MA二次多项式模糊模型第51-58页
        3.4.1 MA型模糊规则前提部分的构造第51-53页
        3.4.2 MA型模糊规则结论部分的构造第53-58页
4 多项式模糊神经网络第58-73页
    4.1 多项式神经网络第58-66页
        4.1.1 GMDH算法第58-60页
        4.1.2 PNN算法第60-66页
    4.2 多项式SA模糊神经网络第66-69页
        4.2.1 多项式SA模糊神经网络拓扑结构第66-68页
        4.2.2 多项式SA模糊神经网络算法第68-69页
    4.3 多项式MA模糊神经网络第69-72页
        4.3.1 多项式MA模糊神经网络拓扑结构第69-71页
        4.3.2 多项式MA模糊神经网络算法第71-72页
    4.4 多项式模糊神经网络算法第72-73页
5 多项式神经模糊模型的优化第73-89页
    5.1 SPOA优化算法第73-78页
        5.1.1 空间搜索算法(SSA)第73-76页
        5.1.2 Powell算法第76-77页
        5.1.3 SPOA算法框架第77-78页
    5.2 SPOA优化的模糊模型第78-81页
        5.2.1 SPOA优化基于HCM的模糊模型第78-80页
        5.2.2 SPOA优化基于FCM的模糊模型第80-81页
    5.3 SPOA优化的多项式模糊神经网络第81-89页
        5.3.1 SPOA优化的FPSAFNN第83-84页
        5.3.2 SPOA优化的HPSAFNN第84-85页
        5.3.3 SPOA优化的FPMAFN第85-86页
        5.3.4 SPOA优化的HPMAFNN第86-89页
6 多项式神经模糊模型的实验与应用第89-109页
    6.1 二次多项式模糊模型实验第89-97页
        6.1.1 FCM和HCM对比实验第90-92页
        6.1.2 SET和SIT对比实验第92-95页
        6.1.3 OLS和WLS对比实验第95-97页
    6.2 多项式模糊神经网络实验第97-102页
        6.2.1 F型模糊神经网络实验第98-101页
        6.2.2 H型模糊神经网络实验第101-102页
    6.3 多项式神经模糊模型的应用第102-109页
        6.3.1 分类模型的构造第103-104页
        6.3.2 数据预处理第104-106页
        6.3.3 数值实验第106-109页
7 结论与展望第109-111页
    7.1 结论第109页
    7.2 展望第109-111页
参考文献第111-123页
附录1 攻读博士学位期间发表的文章第123-124页
附录2 攻读博士学位期间参与的研究项目第124-125页
致谢第125页

论文共125页,点击 下载论文
上一篇:支持向量机若干问题的研究
下一篇:情境感知通信的计算机免疫方法研究