Type-2型模糊认知图的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 FCM基本概念 | 第10页 |
| 1.1.2 FCM与神经网络 | 第10-11页 |
| 1.1.3 FCM与模糊逻辑 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 各种认知图的提出 | 第12-13页 |
| 1.2.2 FCM学习方法的研究 | 第13-15页 |
| 1.2.3 FCM应用研究 | 第15-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.3.1 问题的提出 | 第16-17页 |
| 1.3.2 主要工作及创新 | 第17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 相关技术调研 | 第19-34页 |
| 2.1 模糊认知图 | 第19-24页 |
| 2.1.1 FCM发展起源 | 第19页 |
| 2.1.2 FCM定义及结构 | 第19-20页 |
| 2.1.3 模糊因果影响表示 | 第20-22页 |
| 2.1.4 FCM推理机制 | 第22-24页 |
| 2.2 模糊集合理论 | 第24-29页 |
| 2.2.1 Type-2型模糊集的提出 | 第24-26页 |
| 2.2.2 Type-2型模糊集基本概念 | 第26-28页 |
| 2.2.3 IntervalType-2型模糊集 | 第28-29页 |
| 2.3 模糊神经网络 | 第29-33页 |
| 2.3.1 FNN基本概念 | 第29-30页 |
| 2.3.2 FNN融合方式 | 第30-31页 |
| 2.3.3 FNN模型结构 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 Type-2型模糊认知图模型 | 第34-55页 |
| 3.1 模型结构 | 第34-53页 |
| 3.1.1 第一层(输入层) | 第35页 |
| 3.1.2 第二层(模糊化层) | 第35-36页 |
| 3.1.3 第三层(解模糊化层) | 第36-44页 |
| 3.1.4 第四层(输出层) | 第44-53页 |
| 3.2 本章小结 | 第53-55页 |
| 第四章 模型监督学习 | 第55-62页 |
| 4.1 反向传播网络 | 第55-56页 |
| 4.2 反向传播 | 第56-61页 |
| 4.2.1 第四层(输出层) | 第56-57页 |
| 4.2.2 第三层(解模糊化层) | 第57页 |
| 4.2.3 第二层(模糊化层) | 第57-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第五章 模型实验 | 第62-71页 |
| 5.1 Lorenz时序预测 | 第62-66页 |
| 5.1.1 Lorenz数据集 | 第62-63页 |
| 5.1.2 初始值选取 | 第63页 |
| 5.1.3 学习速率设定 | 第63-64页 |
| 5.1.4 实验结果与分析 | 第64-66页 |
| 5.2 UnemploymentRate预测 | 第66-70页 |
| 5.2.1 UR数据集 | 第66-67页 |
| 5.2.2 误差评估参数 | 第67页 |
| 5.2.3 实验结果与分析 | 第67-70页 |
| 5.3 本章小结 | 第70-71页 |
| 总结与展望 | 第71-73页 |
| 6.1 本文工作总结 | 第71-72页 |
| 6.2 存在问题与展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |
