首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于粗糙集与前馈网络的案例智能系统的研究

摘要第1-10页
Abstract第10-13页
致谢第13-18页
第一章 绪论第18-32页
   ·案例智能第18-21页
     ·CBR概述第18-19页
     ·CBR的研究方向第19-21页
   ·粗糙集第21-26页
     ·粗糙集概述第22-23页
     ·粗糙集的研究现状第23-26页
   ·神经网络第26-28页
     ·神经网络的发展概要第26-27页
     ·神经网络与案例推理系统第27-28页
   ·选题的意义第28-30页
   ·论文的组织与安排第30-32页
第二章 案例知识结构第32-46页
   ·CBR的逻辑学基础第32-36页
     ·类比推理第32-33页
     ·案例智能技术第33-35页
     ·非单调逻辑第35-36页
   ·案例表示第36-39页
     ·案例表示的要求第36-37页
     ·案例表示方法第37-39页
   ·相似性研究第39-41页
     ·案例相似性理论第39-40页
     ·相似性计算第40-41页
   ·案例的组织第41-43页
   ·案例修正技术第43-45页
     ·案例修正方法第43-44页
     ·修正知识获取第44-45页
   ·本章小结第45-46页
第三章 基于粗糙集的综合推理技术第46-64页
   ·粗糙集基本理论第46-49页
     ·粗糙集基本概念第46-48页
     ·与其它不确定理论的关系第48-49页
   ·决策表达逻辑第49-52页
     ·知识的简化第49页
     ·决策逻辑第49-51页
     ·决策表的简化第51-52页
   ·综合推理技术及应用第52-63页
     ·粗糙集在 CBR中的实际应用第53-56页
     ·综合推理技术的融合方式第56-60页
     ·综合推理技术应用—案例智能决策支持系统第60-63页
   ·本章小结第63-64页
第四章 基于前馈神经网络的案例检索第64-81页
   ·案例索引与检索技术第64-66页
     ·案例索引第64-65页
     ·案例检索第65-66页
   ·前馈神经网络模型第66-68页
     ·多层前馈神经网络第66-67页
     ·径向基网络第67-68页
   ·前馈神经网络的学习算法第68-76页
     ·BP算法第68-72页
     ·模拟退火算法第72-73页
     ·径向基函数算法第73-76页
   ·基于 RBF网络的案例检索模型第76-80页
     ·神经元模型第76-77页
     ·检索结构第77-79页
     ·实验第79-80页
   ·本章小结第80-81页
第五章 基于构造性神经网络的案例智能系统第81-98页
   ·FP及覆盖算法第81-88页
     ·构造性神经网络第81-82页
     ·FP算法第82-85页
     ·M-P神经元的几何意义第85-87页
     ·覆盖算法第87-88页
   ·SVM及其学习算法第88-93页
     ·统计机器学习理论第88-89页
     ·支持向量机第89-93页
   ·基于前馈神经网络的案例智能系统第93-97页
     ·集成系统的结构模型第93-95页
     ·试验与分析第95-97页
   ·本章小结第97-98页
第六章 案例知识库维护技术的相关研究第98-111页
   ·案例知识库维护第98-102页
     ·案例库维护架构第98-99页
     ·案例库维护方法第99-102页
   ·基于相似粗糙集技术的案例知识库维护第102-106页
     ·基本理论与算法第103-104页
     ·案例库维护过程第104-106页
   ·基于交叉覆盖算法的案例知识库维护第106-110页
     ·交叉覆盖算法第106-108页
     ·试验过程分析第108-110页
   ·本章小结第110-111页
第七章 总结与展望第111-114页
   ·本文的主要贡献与创新点第111-112页
   ·进一步的研究第112-114页
参考文献第114-121页
攻读博士学位期间从事的科研工作及发表的论文第121-122页

论文共122页,点击 下载论文
上一篇:硬件在环的轿车白车身结构分析与优化设计
下一篇:多Agent信息融合与协商及其在故障诊断中的应用研究