首页--数理科学和化学论文--控制论、信息论(数学理论)论文--控制论(控制论的数学理论)论文

基于模糊认知图的动态系统的建模与控制

摘要第1-5页
Abstract第5-10页
1 绪论第10-17页
   ·引言第10-11页
   ·模糊认知图概念、特点以及研究现状第11-14页
     ·模糊认知图概念第11-12页
     ·模糊认知图特点第12-13页
     ·模糊认知图研究现状第13-14页
   ·课题来源、研究思路与论文组织结构第14-17页
     ·课题来源第14页
     ·研究思路第14-15页
     ·论文组织结构第15-17页
2 模糊认知图背景第17-32页
   ·模糊认知图知识表示第17-20页
   ·模糊认知图推理机制第20-21页
   ·模糊认知图稳定性分析第21-25页
   ·模糊认知图在系统控制中的作用第25-30页
   ·模糊认知图的应用第30-32页
3 模糊认知图结构构建第32-51页
   ·人工法第32-33页
   ·基于知识发现与表示的构建法第33-46页
     ·基于模糊规则构建法第33-34页
     ·利用模糊聚类技术构建法第34-35页
     ·基于公理模糊集的模糊聚类算法第35-46页
   ·拆分融合法第46-49页
     ·状态空间划分第48页
     ·节点拆分第48-49页
   ·本章小结第49-51页
4 模糊认知图的人工、Hebbian和智能优化权值学习算法第51-62页
   ·人工法第51-52页
   ·基于数据的权值迭代学习算法第52-60页
     ·微分Hebbian算法第52-53页
     ·平衡微分学习法第53-54页
     ·自适应随机学习法第54-55页
     ·非线性Hebbian学习法第55-56页
     ·Active Hebbian学习法第56-58页
     ·遗传算法学习法第58-59页
     ·粒子群优化学习法第59-60页
   ·本章小结第60-62页
5 最小平方技术的模糊认知图第62-83页
   ·问题背景第62-63页
   ·规范化数据第63-64页
   ·模糊认知图转换函数改进第64-66页
   ·基于最小平方技术的模糊认知图学习法:LS-FCM第66-71页
   ·LS-FCM学习法与非线性Hebbian学习法比较第71-76页
   ·LS-FCM分类器第76-80页
     ·LS-FCM分类器产生背景第76-77页
     ·LS-FCM分类器构建方法第77-78页
     ·LS-FCM分类器实验研究第78-80页
   ·本章小结第80-83页
6 Takagi-Sugeno模糊认知图第83-94页
   ·问题背景第83页
   ·Takagi-Sugeno模型第83-85页
   ·基于预测误差的状态空间划分第85-90页
   ·基于Takagi-Sugcno模型的LS-FCM融合第90-93页
   ·本章小结第93-94页
7 模糊认知图在倒车系统中的应用第94-114页
   ·问题背景第94页
   ·倒车系统简介第94-96页
   ·倒车系统状态空间划分及其LS-FCM的建构第96-101页
     ·倒车系统的模糊认知图结构第96-98页
     ·状态空间划分和LS-FCM的建构第98-101页
   ·倒车系统的Takagi-Sugeno模糊认知图:TS-LS-FCM第101-105页
   ·TS-LS-FCM对倒车系统动态行为的建模第105-106页
   ·TS-LS-FCM在倒车系统中的控制第106-112页
     ·基于TS-LS-FCM的动态系统的控制模型第106-108页
     ·基于TS-LS-FCM的倒车系统控制算法第108-111页
     ·实验研究第111-112页
   ·本章小结第112-114页
8 LS-FCM整体学习法及其在倒车系统中的应用第114-131页
   ·LS-FCM整体学习法第114-118页
   ·系统状态空间的递归划分法第118-120页
   ·实验研究第120-122页
   ·预测误差分析第122-128页
   ·FCM权值学习算法比较分析第128-130页
   ·本章小结第130-131页
结论第131-133页
创新点摘要第133-134页
参考文献第134-144页
攻读博士学位期间发表的学术论文情况第144-145页
致谢第145-146页
作者简介第146-147页

论文共147页,点击 下载论文
上一篇:非线性微分方程的若干精确求解法与符号计算
下一篇:废旧电子产品回收处理中的博弈模型研究