基于模糊神经网络的非线性系统辩识方法研究
| 绪论 | 第1-12页 |
| 1. 非线性系统辨识研究的进展 | 第6-8页 |
| 2. 神经网络的发展历史与现状 | 第8页 |
| 3. 模糊理论的发展现状 | 第8-9页 |
| 4. 模糊神经网络研究的意义及存在的问题 | 第9-10页 |
| 5. 本文的主要工作及各章内容安排 | 第10-12页 |
| 第一章 模糊理论基础 | 第12-19页 |
| ·模糊集合 | 第12-13页 |
| ·模糊集合的定义 | 第12页 |
| ·模糊集合的表示法 | 第12-13页 |
| ·常用的隶属函数 | 第13页 |
| ·模糊关系 | 第13-14页 |
| ·模糊关系的定义 | 第13-14页 |
| ·模糊关系的运算 | 第14页 |
| ·模糊推理 | 第14-15页 |
| ·模糊推理的基本概念 | 第14-15页 |
| ·模糊蕴含 | 第15页 |
| ·模糊推理系统 | 第15-18页 |
| ·模糊建模 | 第18页 |
| ·小结 | 第18-19页 |
| 第二章 神经网络理论 | 第19-25页 |
| ·人工神经元模型 | 第19-20页 |
| ·人工神经元的网络结构 | 第20-21页 |
| ·神经网络的学习 | 第21-24页 |
| ·神经网络的学习规则 | 第21-22页 |
| ·神经网络的学习方式 | 第22-23页 |
| ·神经网络的学习算法 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 模糊神经网络 | 第25-38页 |
| ·模糊神经网络模型 | 第25-28页 |
| ·模糊神经网络的典型模型 | 第25-27页 |
| ·基于线性清晰化的模糊神经网络 | 第27-28页 |
| ·自适应神经模糊推理系统 | 第28-31页 |
| ·网络模型的描述 | 第28-29页 |
| ·网络模型结构的确定 | 第29-31页 |
| ·一种新型模糊神经网络 | 第31-37页 |
| ·问题的描述与假设 | 第31-32页 |
| ·通用逼近性证明 | 第32-33页 |
| ·新型模糊神经网络的结构 | 第33页 |
| ·基于优选聚类算法的新型网络的结构辨识 | 第33-35页 |
| ·新型网络的学习算法 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第四章 仿真研究 | 第38-43页 |
| ·固定模糊规则的FNN建模仿真 | 第38-39页 |
| ·带有减法聚类算法的FNN建模仿真 | 第39-40页 |
| ·新型模糊神经网洛的建模结果 | 第40-41页 |
| ·仿真结果分析 | 第41-42页 |
| ·小结 | 第42-43页 |
| 结论 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 详细摘要 | 第47-53页 |
