摘要 | 第1-6页 |
Abstract | 第6-11页 |
第1章 绪论 | 第11-23页 |
·研究背景 | 第11-12页 |
·模糊神经网络的起源和发展 | 第12-14页 |
·神经网络的历史 | 第12-13页 |
·模糊理论技术的发展 | 第13-14页 |
·模糊神经网络的研究历程 | 第14页 |
·模糊神经网络的发展现状 | 第14-15页 |
·模糊神经网络的分类研究 | 第15-18页 |
·传统的分类方法 | 第16页 |
·新型分类研究 | 第16-18页 |
·模糊神经网络的算法解析 | 第18-19页 |
·模糊神经网络的结构优化研究 | 第19-20页 |
·网络规模的简化 | 第19-20页 |
·网络功能的增强 | 第20页 |
·模糊神经网络的研究途径 | 第20-21页 |
·本文研究内容与结构 | 第21-23页 |
第2章 理论基础 | 第23-37页 |
·模糊系统的基本理论 | 第23-30页 |
·模糊集合 | 第23-25页 |
·模糊关系 | 第25-26页 |
·模糊语言变量 | 第26-27页 |
·模糊推理理论 | 第27-29页 |
·工程控制常用的模糊推理方法 | 第29-30页 |
·模糊控制的基本结构和组成 | 第30页 |
·神经网络的基本知识 | 第30-35页 |
·模糊逻辑神经元 | 第30-32页 |
·模糊神经网络类型 | 第32-33页 |
·神经网络学习算法 | 第33-34页 |
·误差反传(BP)训练算法 | 第34-35页 |
·神经网络与模糊推理系统的等效性 | 第35页 |
·神经网络实现的模糊推理系统 | 第35-36页 |
·本章小结 | 第36-37页 |
第3章 正则化模糊神经网络分析 | 第37-49页 |
·正则化模糊神经网络结构 | 第37-38页 |
·网络信号的前向传输 | 第38-39页 |
·学习算法 | 第39-41页 |
·收敛性证明 | 第41-45页 |
·最佳逼近器与模糊基函数 | 第41-42页 |
·模糊系统的通用逼近性 | 第42-45页 |
·基于正则化模糊神经网络的系统辨识 | 第45-48页 |
·系统辨识的基本知识 | 第45页 |
·仿真研究 | 第45-48页 |
·本章小结 | 第48-49页 |
第4章 基于RBF 辨识的模糊神经网络控制器的设计与实现 | 第49-62页 |
·自学习模糊神经网络控制系统 | 第49-50页 |
·自调整量化因子和比例因子模糊神经网络控制器 | 第50-54页 |
·优化方案思路 | 第50页 |
·新型模糊神经网络结构 | 第50-52页 |
·网络输入信息的处理 | 第52页 |
·学习算法 | 第52-54页 |
·RBF 辨识网络 | 第54-57页 |
·径向基函数神经网络(RBF) | 第55页 |
·辨识算法 | 第55-57页 |
·仿真研究 | 第57-61页 |
·控制器性能验证 | 第57-59页 |
·输入变量的有效处理 | 第59页 |
·系统Jacobian 信息的精确辨识 | 第59-61页 |
·本章小结 | 第61-62页 |
第5章 带有自调整因子的模糊RBF 神经网络 | 第62-71页 |
·基于模糊RBF 神经网络整定的PID 控制 | 第62-65页 |
·模糊RBF 神经网络 | 第62-63页 |
·基于模糊RBF 神经网络整定的PID 控制 | 第63-64页 |
·学习算法 | 第64-65页 |
·带有自调整因子的模糊神经网络 | 第65页 |
·基于PSO 算法的滚动优化 | 第65-67页 |
·微粒群算法 | 第65-66页 |
·算法原理 | 第66-67页 |
·算法实现 | 第67页 |
·仿真研究 | 第67-70页 |
·本章小结 | 第70-71页 |
结 论 | 第71-73页 |
参考文献 | 第73-78页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
致 谢 | 第79-80页 |
作者简介 | 第80页 |