| 1 前言 | 第1-11页 |
| ·模糊神经网络技术的研究现状 | 第8-9页 |
| ·前馈FNN的研究意义 | 第9-10页 |
| ·本文主要内容 | 第10-11页 |
| 2 模糊逻辑系统的基础理论 | 第11-20页 |
| ·精确量与模糊量的相互转化 | 第11-13页 |
| ·模糊规则库 | 第13-15页 |
| ·模糊推理机 | 第15-16页 |
| ·T-S模糊逻辑系统 | 第16-17页 |
| ·一般T-S模糊逻辑系统 | 第16-17页 |
| ·简化T-S模糊逻辑系统 | 第17页 |
| ·高斯模糊逻辑系统 | 第17-19页 |
| ·讨论 | 第19-20页 |
| 3 多层前馈神经网络的基本网络结构及其学习算法的改进 | 第20-36页 |
| ·多层前馈神经网络 | 第20-22页 |
| ·多层前馈神经网络的网络结构 | 第20-21页 |
| ·节点的激励函数 | 第21-22页 |
| ·传统BP算法分析 | 第22-26页 |
| ·信号正向传播 | 第23页 |
| ·反向传播过程 | 第23-24页 |
| ·BP算法分析 | 第24-26页 |
| ·BP算法的理论基础 | 第26-28页 |
| ·传统BP算法存在的问题及分析 | 第28-29页 |
| ·局部极小点问题 | 第28页 |
| ·网络瘫痪与稳定性问题 | 第28-29页 |
| ·收敛速度与步长问题 | 第29页 |
| ·隐层节点数的选取问题 | 第29页 |
| ·一种较为完善的改进BP算法 | 第29-32页 |
| ·基于前馈神经网络的优化算法 | 第32-35页 |
| ·目标函数的设计 | 第32-33页 |
| ·优化算法分析 | 第33页 |
| ·优化算法应解决的两个问题 | 第33-34页 |
| ·优化算法设计 | 第34-35页 |
| ·讨论 | 第35-36页 |
| 4 前馈模糊神经网络的网络结构及其学习算法分析 | 第36-48页 |
| ·模糊神经元的设计 | 第36-38页 |
| ·基于T-S模糊逻辑系统的FNN | 第38-42页 |
| ·基于简化T-S模糊逻辑系统的FNN | 第42-43页 |
| ·基于高斯模糊逻辑系统的FNN | 第43-46页 |
| ·讨论 | 第46-48页 |
| 5 改进的前馈模糊神经网络 | 第48-76页 |
| ·基于径向基函数的FNN | 第48-51页 |
| ·径向基函数FNN的网络结构设计 | 第48-50页 |
| ·学习策略分类 | 第50-51页 |
| ·径向基函数模糊神经网络学习算法的改进 | 第51-55页 |
| ·误差反向传播对参数的修正公式 | 第51-53页 |
| ·递阶自组织学习算法分析 | 第53-55页 |
| ·催化裂化产品产率预测仿真系统 | 第55-68页 |
| ·问题分析 | 第56-57页 |
| ·系统功能设计与实现 | 第57-61页 |
| ·系统的预测能力分析 | 第61-68页 |
| ·改进的补偿模糊神经网络 | 第68-72页 |
| ·补偿模糊神经网络的网络结构设计 | 第68-70页 |
| ·改进的补偿模糊神经网络的学习算法 | 第70-72页 |
| ·基于改进的补偿模糊神经网络在油水层含水饱和度预测中的应用 | 第72-76页 |
| 结论 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 发表的相关学术论文 | 第82-83页 |
| 附录 | 第83-97页 |