| 前言 | 第1-13页 |
| 第一章 模糊神经网络概述 | 第13-15页 |
| 1．1 模糊神经网络的研究历程 | 第13页 |
| 1．2 模糊神经网络的发展现状 | 第13-14页 |
| 1．3 模糊神经网络的应用领域 | 第14-15页 |
| 第二章 模糊神经网络一般模型 | 第15-32页 |
| 2．1 模糊逻辑系统 | 第15-20页 |
| 2．1．1 模糊逻辑系统的组成与分类 | 第15-18页 |
| 2．1．2 模糊规则库 | 第18-19页 |
| 2．1．3 模糊推理机 | 第19页 |
| 2．1．4 模糊产生器和反模糊化器 | 第19-20页 |
| 2．2 人工神经网络 | 第20-25页 |
| 2．2．1 人工神经网络研究、发展的历史 | 第21-22页 |
| 2．2．2 人工神经网络研究的主要方向 | 第22页 |
| 2．2．3 人工神经网络的主要类型 | 第22-25页 |
| 2．3 模糊神经网络 | 第25-32页 |
| 2．3．1 模糊逻辑与神经网络的结合 | 第25-27页 |
| 2．3．2 模糊神经网络分类 | 第27页 |
| 2．3．3 模糊神经网络结构与学习算法 | 第27-29页 |
| 2．3．4 模糊神经网络的学习方法 | 第29-30页 |
| 2．3．5 模糊神经网络的主要形式 | 第30-32页 |
| 第三章 正则化模糊神经网络 | 第32-35页 |
| 3．1 正则化模糊神经网络的拓扑结构 | 第32-34页 |
| 3．2 正则化模糊神经网络的学习算法 | 第34-35页 |
| 第四章 正则化模糊神经网络算法优化研究 | 第35-44页 |
| 4．1 基于粗集理论的模式特征与样本筛选 | 第35-38页 |
| 4．1．1 粗集理论简介 | 第35页 |
| 4．1．2 基于粗集理论的模糊模式特征与学习样本筛选 | 第35-38页 |
| 4．2 基于遗传算法的网络参数优化 | 第38-41页 |
| 4．2．1 遗传算法的基本原理 | 第38页 |
| 4．2．2 遗传算法的基本术语 | 第38-39页 |
| 4．2．3 遗传算法的求解步骤 | 第39-41页 |
| 4．2．4 遗传算法的特点 | 第41页 |
| 4．3 遗传算法与神经网络的融合 | 第41-44页 |
| 4．3．1 概述 | 第41-42页 |
| 4．3．2 遗传算法在神经网络学习中的应用 | 第42页 |
| 4．3．3 基于遗传算法的神经网络权值学习 | 第42-44页 |
| 第五章 模糊神经网络在油藏压裂方案设计中的应用 | 第44-52页 |
| 5．1 专家知识的表示 | 第44-45页 |
| 5．2 基于HFNN的压裂方案设计 | 第45-52页 |
| 5．2．1 压裂井选井原则 | 第47页 |
| 5．2．2 压裂井筛选预保留方法 | 第47页 |
| 5．2．3 压裂井选择方法 | 第47-50页 |
| 5．2．4 压裂层选择方法 | 第50-51页 |
| 5．2．5 压裂方案生成 | 第51-52页 |
| 结束语 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 读研期间发表的论文 | 第57页 |