基于神经网络的模糊推理模型和算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第8-12页 |
| ·引言 | 第8页 |
| ·模糊推理的现状 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·本文的主要工作和章节安排 | 第10-12页 |
| ·主要工作 | 第10-11页 |
| ·章节安排 | 第11-12页 |
| 第2章 模糊推理的基础知识 | 第12-19页 |
| ·概述 | 第12页 |
| ·模糊理论基础 | 第12-16页 |
| ·模糊集合概念 | 第12页 |
| ·隶属函数 | 第12-14页 |
| ·模糊集合的基本运算 | 第14-15页 |
| ·T/S范数 | 第15-16页 |
| ·模糊推理模型 | 第16-18页 |
| ·单一规则模糊推理的一般形式 | 第16页 |
| ·多重模糊推理的一般形式 | 第16-17页 |
| ·多维模糊推理的一般形式 | 第17页 |
| ·多重多维模糊推理的一般形式 | 第17-18页 |
| ·模糊推理算法的还原性定义 | 第18页 |
| ·小结 | 第18-19页 |
| 第3章 模糊推理算法分析 | 第19-28页 |
| ·模糊推理中的模糊关系 | 第19页 |
| ·CRI算法 | 第19-20页 |
| ·CRIP改进算法 | 第20-22页 |
| ·全蕴涵三I算法 | 第22-25页 |
| ·真值流推理算法 | 第25-27页 |
| ·小结 | 第27-28页 |
| 第4章 人工神经网络 | 第28-40页 |
| ·概述 | 第28页 |
| ·人工神经元模型 | 第28-31页 |
| ·人工神经网络模型 | 第31-32页 |
| ·人工神经网络学习过程 | 第32-35页 |
| ·有监督学习 | 第32-33页 |
| ·无监督学习 | 第33-35页 |
| ·模糊神经网络 | 第35-39页 |
| ·模糊神经网络的分类 | 第35-36页 |
| ·模糊神经元模型 | 第36-38页 |
| ·模糊神经元满足的性质 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第5章 模糊推理模型 | 第40-50页 |
| ·具有多重多维模糊推理还原性的全蕴涵三I算法 | 第40-42页 |
| ·具有多重多维模糊推理还原性的全蕴涵三I算法 | 第40-41页 |
| ·新方法的还原性讨论 | 第41页 |
| ·新方法与三I算法实例比较 | 第41-42页 |
| ·应用新方法的模糊推理神经网络 | 第42-46页 |
| ·单一规则模糊推理神经网络 | 第43-44页 |
| ·多维模糊推理神经网络 | 第44-45页 |
| ·多重多维模糊推理神经网络 | 第45-46页 |
| ·仿真实验 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第6章 总结 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54页 |
