| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题背景研究 | 第9-13页 |
| ·人脑信息处理特点 | 第10-11页 |
| ·人工神经网络当前的应用领域 | 第11-12页 |
| ·基于神经网络的模糊控制算法研究 | 第12-13页 |
| ·本文所做的主要工作及意义 | 第13-14页 |
| 2 人工神经网络 | 第14-23页 |
| ·人工神经网络的发展概况 | 第14-15页 |
| ·人工神经网络的发展简史 | 第14页 |
| ·人工神经网络的现状与前景 | 第14-15页 |
| ·人工神经元网络模型 | 第15-18页 |
| ·人工神经元模型 | 第15-17页 |
| ·人工神经网络模型 | 第17-18页 |
| ·多层人工神经网络 | 第18-23页 |
| ·引言 | 第18-19页 |
| ·人工神经网络的归纳能力与容错能力 | 第19页 |
| ·神经网络学习中存在的困难及其对策 | 第19-20页 |
| ·误差反向传播（BP）算法 | 第20-23页 |
| 3 模糊控制算法 | 第23-36页 |
| ·模糊理论的定义 | 第23-25页 |
| ·模糊定义的提出 | 第23-24页 |
| ·模糊规则 | 第24-25页 |
| ·模糊矩阵 | 第25-32页 |
| ·建立模糊矩阵 | 第26-30页 |
| ·改造相似矩阵为等价矩阵 | 第30-31页 |
| ·聚类 | 第31-32页 |
| ·模糊控制器的设计方法 | 第32-36页 |
| ·模糊方法 | 第32-33页 |
| ·模糊逻辑控制过程 | 第33-34页 |
| ·输入变量、输出变量以及论域的确定 | 第34-36页 |
| 4 基于神经网络的模糊控制算法研究 | 第36-55页 |
| ·采用遗传算法提高神经网络模型辨识的精度 | 第36-40页 |
| ·改进的遗传算法 | 第36-37页 |
| ·模糊神经网络和遗传算法相结合的控制策略 | 第37-40页 |
| ·MATLAB 神经网络工具箱 | 第40-43页 |
| ·神经网络工具箱函数 | 第40-43页 |
| ·MATLAB 中BP 网络的训练过程 | 第43页 |
| ·网络的建立 | 第43-44页 |
| ·神经网络对于电力系统负荷预测的MATLAB 实现 | 第44-55页 |
| ·问题描述 | 第45页 |
| ·输入/输出向量设计 | 第45-46页 |
| ·输入矢量 | 第46-48页 |
| ·创建神经网络 | 第48页 |
| ·网络的训练 | 第48-55页 |
| 5 结论与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 作者简介 | 第61-62页 |
| 致谢 | 第62-63页 |