| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-13页 |
| 1 绪论 | 第13-28页 |
| ·模糊事物与模糊集 | 第13-14页 |
| ·模糊系统 | 第14-15页 |
| ·什么是模糊系统 | 第14页 |
| ·模糊系统的组成、分类和优点 | 第14-15页 |
| ·模糊控制 | 第15-20页 |
| ·现代控制理论在深度和广度上的开拓 | 第15-16页 |
| ·模糊控制的诞生 | 第16-17页 |
| ·模糊控制的发展 | 第17-19页 |
| ·模糊控制与传统控制的比较 | 第19页 |
| ·模糊控制目前存在的主要问题 | 第19-20页 |
| ·模糊神经网络 | 第20-22页 |
| ·神经网络发展简史 | 第20-21页 |
| ·神经网络与模糊逻辑比较 | 第21页 |
| ·模糊神经网络理论研究简述 | 第21-22页 |
| ·模糊神经网络进一步的研究方向 | 第22页 |
| ·人工智能的两大方法 | 第22-23页 |
| ·符号智能 | 第22-23页 |
| ·计算智能 | 第23页 |
| ·模糊推理 | 第23-25页 |
| ·模糊推理在信息科学中的地位 | 第23-24页 |
| ·模糊推理的多种分类 | 第24页 |
| ·关于模糊推理的研究 | 第24-25页 |
| ·本文研究工作概述 | 第25-27页 |
| ·本文的内容安排 | 第27-28页 |
| 2 带参数模糊关系合成和区间值模糊集的相容性测度 | 第28-49页 |
| ·引言 | 第28-32页 |
| ·max和min运算 | 第28页 |
| ·∨~λ算子和广义∨~λ算子的定义和性质 | 第28-32页 |
| ·带参数模糊关系合成的多种形式 | 第32-33页 |
| ·带参数模糊关系合成的性质 | 第33-40页 |
| ·新旧区间值模糊集的相容性测度的性质和传播 | 第40-47页 |
| ·原区间值模糊集的相容性测度的性质 | 第40-45页 |
| ·新的相容性测度-相合度的性质 | 第45-46页 |
| ·相容度和相合度在模糊推理过程中的传播 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 3 简单模糊推理的CRIP法和全蕴涵三I算法的逼近性质 | 第49-63页 |
| ·引言 | 第49-51页 |
| ·简单模糊推理CRIP方法的性质 | 第51-56页 |
| ·与带参数的单重模糊推理合成法则对应的模糊神经网络 | 第56页 |
| ·推理实例及分析 | 第56-57页 |
| ·全蕴涵三I算法的逼近性 | 第57-62页 |
| ·相关定义和引理 | 第59-60页 |
| ·对R_0型三I(FMP)算法的逼近性分析 | 第60-61页 |
| ·对R_0型三I(FMT)算法的逼近性分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 4 多重模糊推理情形下的CRIP法和广义Mamdani法 | 第63-75页 |
| ·引言 | 第63-64页 |
| ·多重情形下CRIP法 | 第64-68页 |
| ·相关定义 | 第64-65页 |
| ·多重情形下CRIP法的性质 | 第65-68页 |
| ·实现多重情形CRIP方法的推理机 | 第68-69页 |
| ·参数训练方法 | 第68页 |
| ·推理机运行实例 | 第68-69页 |
| ·基于单体模糊神经网络的广义Mamdani法 | 第69-74页 |
| ·用于G-Mamdani模糊推理方法的MFNN结构 | 第69-71页 |
| ·G-Mamdani模糊推理方法和它的性质 | 第71-72页 |
| ·G-Mamdani法满足多种推理原则要求的方法 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 5 两类新的基于T／S范的模糊神经元模型及其应用 | 第75-88页 |
| ·引言 | 第75-77页 |
| ·F1型神经元模型 | 第77-81页 |
| ·F1型神经元的定义 | 第77-78页 |
| ·F1和F1’对某些运算的封闭性 | 第78-81页 |
| ·F2型神经元模型 | 第81-85页 |
| ·F2型神经元的定义 | 第81页 |
| ·F2和F2’对某些运算的封闭性及其它性质 | 第81-83页 |
| ·f_(2,∧,∨)(x,y)的性质 | 第83-84页 |
| ·f_(1,∧,∨)(x,y)模型与f_(2,∧,∨)(x,y)模型应用领域的侧重点分析 | 第84-85页 |
| ·f_(2,∧,∨)(x,y)在模糊推理中的应用 | 第85-86页 |
| ·本章小结 | 第86-88页 |
| 6 基于神经网络的模糊推理方法 | 第88-95页 |
| ·引言 | 第88页 |
| ·用于模糊推理的神经网络及性能 | 第88-94页 |
| ·用于模糊推理的神经网络 | 第88-89页 |
| ·新方法的若干优点 | 第89-91页 |
| ·网络中权值的一种确定方法 | 第91-92页 |
| ·新方法能满足推理逼近原则的要求 | 第92-93页 |
| ·可应用于模糊推理的另一神经网络 | 第93-94页 |
| ·推理实例 | 第94页 |
| ·本章小结 | 第94-95页 |
| 7 模糊系统对规则摄动的鲁棒性 | 第95-110页 |
| ·引言 | 第95-96页 |
| ·相关定义和引理 | 第96-97页 |
| ·相关定义 | 第96-97页 |
| ·模糊蕴涵算子与Lipschitz条件 | 第97页 |
| ·多重模糊推理情形推理算法对规则摄动的鲁棒性的分析 | 第97-101页 |
| ·链式和多维模糊推理情形推理算法对规则摄动的鲁棒性分析 | 第101-103页 |
| ·链式模糊推理情形 | 第101-102页 |
| ·多维模糊推理情形 | 第102-103页 |
| ·一般模糊神经网络训练模式集摄动的鲁棒性的定义和相关引理 | 第103-105页 |
| ·模糊联想记忆网络对训练模式集摄动的鲁棒性分析 | 第105-108页 |
| ·本章小结 | 第108-110页 |
| 结束语 | 第110-112页 |
| 致谢 | 第112-113页 |
| 参考文献 | 第113-120页 |
| 附录 | 第120页 |
