| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-27页 |
| ·不确定性和计算智能 | 第13-15页 |
| ·不确定性 | 第13页 |
| ·计算智能 | 第13-15页 |
| ·模糊性 | 第15-17页 |
| ·模糊神经网络 | 第17-22页 |
| ·模糊联想记忆网络神经 | 第17-20页 |
| ·模糊形态学联想记忆网络 | 第20-21页 |
| ·模糊神经网络进一步的研究方向 | 第21-22页 |
| ·模糊推理系统 | 第22-23页 |
| ·模糊神经网络与模糊推理系统的比较 | 第23页 |
| ·模糊系统的训练模式 | 第23-25页 |
| ·本文的内容安排 | 第25-27页 |
| 2 训练模式摄动对模糊形态学联想记忆网络的影响 | 第27-41页 |
| ·引言 | 第27-28页 |
| ·基于最大摄动的度量 | 第28页 |
| ·训练模式的摄动对(R,ν,Λ,+)型模糊形态学联想记忆网络的影响 | 第28-33页 |
| ·理论分析 | 第29-30页 |
| ·仿真实验 | 第30-33页 |
| ·训练模式的摄动对(R_+,ν,Λ,×)型模糊形态学联想记忆网络的影响 | 第33-39页 |
| ·理论分析 | 第33-36页 |
| ·仿真实验 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 3 模糊形态学双向联想记忆网络的性质 | 第41-56页 |
| ·引言 | 第41页 |
| ·模糊形态学双向联想记忆网络的模型 | 第41-42页 |
| ·模糊形态学双向联想记忆网络的学习算法 | 第42-43页 |
| ·模糊形态学双向联想记忆网络稳定性和收敛性 | 第43-50页 |
| ·训练模式摄动对模糊形态学双向联想记忆网络的影响 | 第50-54页 |
| ·仿真实验 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 4 模糊神经网络的学习算法 | 第56-67页 |
| ·引言 | 第56页 |
| ·相关基础 | 第56-57页 |
| ·Max-T FBAM网络的学习算法及性质 | 第57-60页 |
| ·Max-T FBAM网络的学习算法 | 第57页 |
| ·Max-T FBAM网络的性质 | 第57-59页 |
| ·Max-T FBAM的仿真实验 | 第59-60页 |
| ·模糊Hopfield网络 | 第60-65页 |
| ·网络模型 | 第60-61页 |
| ·Max-T_L FHNN网络的学习算法 | 第61-63页 |
| ·Max-T_L FHNN网络的性质 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 5 模糊推理算法的连续性和误差传播性 | 第67-83页 |
| ·引言 | 第67页 |
| ·R_0型反向三Ⅰ算法的连续性 | 第67-74页 |
| ·R_0型反向三Ⅰ算法的误差传播性 | 第74-75页 |
| ·多重CRI算法的连续性和逼近性 | 第75-78页 |
| ·多维CRI算法的连续性和逼近性 | 第78-80页 |
| ·仿真实验 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 6 训练模式摄动度量的新方法及对模糊神经网络的影响 | 第83-95页 |
| ·引言 | 第83页 |
| ·度量摄动的新方法 | 第83-84页 |
| ·基于三角模的模糊联想记忆网络 | 第84-88页 |
| ·T为三角模时Max-T FAM的性质 | 第88-92页 |
| ·T为三角模时Max-T FAM的通用学习算法 | 第88-91页 |
| ·训练模式的摄动对Max-错误!不能通过编辑域代码创建对象。FAM的影响 | 第91-92页 |
| ·训练模式的摄动模糊形态学联想记忆网络的影响 | 第92-94页 |
| ·对(R,ν,Λ,+)型模糊形态学联想记忆网络的影响 | 第92页 |
| ·对(R_+,ν,Λ,×)型模糊形态学联想记忆网络的影响 | 第92-94页 |
| ·本章小结 | 第94-95页 |
| 7 结束语 | 第95-98页 |
| ·研究结论 | 第95-97页 |
| ·展望 | 第97-98页 |
| 致谢 | 第98-99页 |
| 参考文献 | 第99-107页 |
| 附录 | 第107-108页 |
