| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| Contents | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| ·模糊神经网络的研究背景及其意义 | 第14-15页 |
| ·模糊聚类算法 | 第15-17页 |
| ·加权指数m的选择 | 第16页 |
| ·初始值的选择 | 第16页 |
| ·聚类数的确定 | 第16-17页 |
| ·模糊神经网络的研究现状及其趋势 | 第17-21页 |
| ·模糊联想记忆 | 第18-19页 |
| ·模糊多层感知机 | 第19-20页 |
| ·模糊认知图 | 第20页 |
| ·模糊Hopfield神经网络 | 第20页 |
| ·模糊ART | 第20-21页 |
| ·ATM交换结构 | 第21-22页 |
| ·本文主要研究内容及章节安排 | 第22-24页 |
| 第二章 遗传-模糊C-均值混合聚类算法 | 第24-38页 |
| ·引言 | 第24-25页 |
| ·模糊C-均值算法 | 第25-27页 |
| ·GAFCM算法 | 第27-33页 |
| ·GAFCM算法的关键问题及算法实现 | 第28-30页 |
| ·GAFCM算法理论分析 | 第30-33页 |
| ·模拟实验与结果讨论 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 自适应模糊神经推理网络 | 第38-48页 |
| ·引言 | 第38-39页 |
| ·自适应模糊神经推理网络结构 | 第39-41页 |
| ·自适应模糊神经推理网络学习算法 | 第41-46页 |
| ·输入输出空间的划分 | 第41-44页 |
| ·构造模糊规则 | 第44-45页 |
| ·参数辨识 | 第45-46页 |
| ·模拟实验 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 模糊联想记忆网络 | 第48-68页 |
| ·引言 | 第48-49页 |
| ·模糊联想记忆概述 | 第48页 |
| ·模糊联想记忆网络及其研究现状 | 第48-49页 |
| ·模糊联想记忆网络与模糊关系方程 | 第49-51页 |
| ·最大-最小模糊联想记忆网络 | 第51-56页 |
| ·最大-最小模糊δ规则算法 | 第51-53页 |
| ·最大-最小模糊δ规则改进算法 | 第53-56页 |
| ·最大-乘积模糊联想记忆网络 | 第56-62页 |
| ·最大-乘积模糊δ规则算法 | 第57-58页 |
| ·最大-乘积模糊δ规则改进算法 | 第58-62页 |
| ·模拟实验 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 最大-T模模糊联想记忆网络 | 第68-79页 |
| ·引言 | 第68页 |
| ·最大-T模模糊联想记忆网络 | 第68-72页 |
| ·最大-T模模糊δ规则改进算法 | 第72-74页 |
| ·模拟实验 | 第74-77页 |
| ·本章小结 | 第77-79页 |
| 第六章 凸组合模糊联想记忆网络 | 第79-88页 |
| ·引言 | 第79-80页 |
| ·凸组合的模糊关系方程 | 第80-81页 |
| ·扩展凸组合模糊联想记忆网络 | 第81-85页 |
| ·模拟实验 | 第85-87页 |
| ·本章小结 | 第87-88页 |
| 第七章 基于Hopfield神经网络调度信元的输入缓冲ATM交换结构 | 第88-101页 |
| ·引言 | 第88-90页 |
| ·采用窗口接入技术的信元调度算法 | 第90-92页 |
| ·LWHP算法的HNN实现方法 | 第92-95页 |
| ·计算机仿真实验与性能分析 | 第95-100页 |
| ·本章小结 | 第100-101页 |
| 第八章 基于细胞神经网络调度信元的输入缓冲ATM交换结构 | 第101-112页 |
| ·引言 | 第101-102页 |
| ·CNN电路模型 | 第102-105页 |
| ·连续时间CNN模型 | 第102-103页 |
| ·简化的CNN电路模型 | 第103-105页 |
| ·CNN实现输入缓冲ASF的信元调度 | 第105-108页 |
| ·CNN调度信元的实现方法 | 第105-107页 |
| ·CNN调度信元与HNN调度信元比较 | 第107-108页 |
| ·计算机仿真实验与性能分析 | 第108-111页 |
| ·本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 参考文献 | 第114-125页 |
| 攻读博士学位期间发表的论文 | 第125-126页 |
| 致谢 | 第126页 |