| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-12页 |
| ·本文研究的背景及意义 | 第10页 |
| ·本文研究内容的来源 | 第10-11页 |
| ·本文研究的主要内容 | 第11-12页 |
| 第二章 神经网络和模糊推理概述 | 第12-24页 |
| ·神经网络概论 | 第12-16页 |
| ·神经网络发展简史 | 第12-13页 |
| ·神经网络的主要特征、应用及研究方向 | 第13-16页 |
| ·神经网络模型 | 第16-17页 |
| ·神经网络的学习方法 | 第17-19页 |
| ·学习方式 | 第17-18页 |
| ·学习算法 | 第18-19页 |
| ·模糊理论概述 | 第19-23页 |
| ·模糊神经网络 | 第20-21页 |
| ·模糊推理 | 第21-22页 |
| ·神经网络与模糊系统比较 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 最大-乘积型模糊联想记忆网络对训练模式摄动的鲁棒性 | 第24-34页 |
| ·引言 | 第24页 |
| ·研究现状 | 第24-27页 |
| ·相关引理和定义 | 第27-29页 |
| ·Max-product FAM对训练模式对摄动的鲁棒性分析 | 第29-31页 |
| ·采用文献[51]的学习算法进行训练网络 | 第29-30页 |
| ·采用模糊Hebb规则训练网络 | 第30-31页 |
| ·模拟实验 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 模糊双向联想记忆网络的有效学习算法 | 第34-44页 |
| ·引言 | 第34-35页 |
| ·相关概念和引理 | 第35-37页 |
| ·FBAM的有效学习算法 | 第37-43页 |
| ·Max-TL FBAM的学习算法 | 第38-40页 |
| ·Max-Ses FBAM的学习算法及性质 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 区间值模糊集相容性测度的性质、改进和传播 | 第44-51页 |
| ·引言 | 第44页 |
| ·区间值模糊集相容度的性质 | 第44-47页 |
| ·新的相容性测度公式-相合度 | 第47-48页 |
| ·模糊推理对相容度和相合度的传播 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 结束语 | 第51-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录(攻读学位期间发表论文目录) | 第59-60页 |
| 详细摘要 | 第60-67页 |