| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-31页 |
| ·引言 | 第11-12页 |
| ·模糊神经网络 | 第12-21页 |
| ·模糊系统(Fuzzy System,FS)理论的起源和发展 | 第12页 |
| ·人工神经网络(Neural Network,NN)及其发展概况 | 第12-13页 |
| ·模糊系统与神经网络的融合 | 第13-17页 |
| ·模糊神经网络的研究进展 | 第17-19页 |
| ·正则模糊神经元与正则FNN | 第19-21页 |
| ·模式对摄动的鲁棒性 | 第21-23页 |
| ·模糊神经网络的泛逼近性 | 第23-25页 |
| ·模糊化神经网络的学习算法 | 第25-27页 |
| ·正则FNN的学习算法 | 第25-26页 |
| ·折线FNN的学习算法 | 第26-27页 |
| ·本文主要工作概述 | 第27-28页 |
| ·本文内容安排 | 第28-31页 |
| 2 训练模式对的摄动对单体FNN的影响 | 第31-43页 |
| ·模糊神经网络中的摄动鲁棒性 | 第31-33页 |
| ·MFNNs及其学习算法 | 第33-37页 |
| ·训练模式对的摄动对单体FNN的影响 | 第37-41页 |
| ·相关引理 | 第37-38页 |
| ·训练模式对的摄动对单体FNN输出的影响 | 第38-41页 |
| ·本章小结 | 第41-43页 |
| 3 折线模糊神经网络的泛逼近性 | 第43-69页 |
| ·相关记号与术语 | 第43-44页 |
| ·折线模糊数 | 第44-47页 |
| ·折线模糊数空间 | 第45-47页 |
| ·三层前向折线FNN | 第47-50页 |
| ·折线FNN对模糊值函数的通用逼近性 | 第50-57页 |
| ·折线FNN的输入输出关系分析 | 第50-54页 |
| ·折线FNN对模糊值函数的逼近分析 | 第54-57页 |
| ·仿真实例 | 第57页 |
| ·输入为一般模糊数的折线FNN的通用逼近性 | 第57-62页 |
| ·折线FNN的性质 | 第58-60页 |
| ·一般输入的折线FNN的逼近性能 | 第60-62页 |
| ·一般折线FNN的通用逼近分析 | 第62-68页 |
| ·一般折线FNN的性质 | 第62-66页 |
| ·一般折线FNN的通用逼近性 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 4 折线模糊神经网络的学习算法 | 第69-91页 |
| ·遗传算法和量子遗传算法 | 第69-75页 |
| ·遗传算法 | 第69-74页 |
| ·量子遗传算法 | 第74-75页 |
| ·折线FNN的学习算法 | 第75-86页 |
| ·区间算术 | 第76页 |
| ·共轭梯度算法 | 第76-82页 |
| ·折线FNN的有效学习算法 | 第82-86页 |
| ·仿真实验 | 第86-90页 |
| ·实验结果与分析 | 第87-90页 |
| ·本章小结 | 第90-91页 |
| 5 结束语 | 第91-93页 |
| 致谢 | 第93-95页 |
| 参考文献 | 第95-110页 |
| 附录 | 第110页 |