模糊理論和神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)與應(yīng)用

     目錄
   序
   前言
   第一章 緒論
    1.1 研究歷史的回顧
    1.2 模糊系統(tǒng)
    1.3 神經(jīng)網(wǎng)絡(luò)系統(tǒng)
    1.4 機器智能
   第二章 模糊數(shù)學(xué)的基礎(chǔ)
    2.1 模糊的定量化
    2.2 模糊集
    2.3 模糊集的運算
    2.4 模糊數(shù)及其運算
   第三章 模糊關(guān)系和模糊邏輯推理
    3.1 模糊關(guān)系
    3.2 模糊關(guān)系的運算
    3.3 模糊邏輯推理
    3.4 模糊回歸分析
    3.4.1 基于實數(shù)輸出值的模糊回歸分析
    3.4.2 基于模糊輸出值的模糊回歸分析
   第四章 模糊控制
    4.1 引言
    4.2 模糊控制系統(tǒng)
    4.3 模糊邏輯推理法和非模糊化
    4.4 模糊控制器的設(shè)計
    4.5 自適應(yīng)模糊控制
   第五章 模糊控制的應(yīng)用
    5.1 引言
    5.2 PID參數(shù)整定
    5.3 列車運行自動控制
    5.3.1 列車運行PID控制
    5.3.2 預(yù)測模糊控制
    5.3.3 日立的模糊控制系統(tǒng)
    5.4 凈水工廠藥劑投量控制
   第六章 模糊系統(tǒng)的建模
    6.1 引言
    6.2 模糊系統(tǒng)模型的建立
    6.3 模糊系統(tǒng)的學(xué)習(xí)
    6.3.1 梯度下降法
    6.3.2 MF和模糊規(guī)則的增加法
    6.4 多層次的模糊模型
    6.5 模糊模型的評價
   第七章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
    7.1 神經(jīng)網(wǎng)絡(luò)模型
    7.1.1 生物神經(jīng)元模型
    7.1.2 人工神經(jīng)元模型
    7.1.3 神經(jīng)網(wǎng)絡(luò)模型
    7.2 前向網(wǎng)絡(luò)
    7.2.1 感知器
    7.2.2 BP網(wǎng)絡(luò)
    7.2.3 GMDH網(wǎng)絡(luò)
    7.2.4 RBF網(wǎng)絡(luò)
    7.3 反饋網(wǎng)絡(luò)
    7.3.1 CG網(wǎng)絡(luò)模型
    7.3.2 盒中腦（BSB）模型
    7.3.3 Hopfield網(wǎng)絡(luò)模型
    7.3.4 雙向聯(lián)想記憶（BAM）
    7.3.5 回歸BP網(wǎng)絡(luò)
    7.3.6 Boltzmann機網(wǎng)絡(luò)
    7.4 自組織神經(jīng)網(wǎng)絡(luò)
    7.4.1 自適應(yīng)共振理論（ART）
    7.4.2 自組織特征映射
    7.4.3 CPN模型
   第八章 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
    8.1 引言
    8.2 Hebb學(xué)習(xí)規(guī)則
    8.3 梯度下降法
    8.3.1 δ規(guī)則
    8.3.2 BP算法
    8.3.3 回歸BP算法
    8.4 最優(yōu)化算法
    8.4.1 模擬退火算法
    8.4.2 單純形法
    8.4.3 遺傳算法
    8.5 網(wǎng)絡(luò)學(xué)習(xí)的技巧
    8.6 網(wǎng)絡(luò)學(xué)習(xí)前的數(shù)據(jù)處理
   第九章 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)
    9.1 引言
    9.2 動態(tài)BP算法
    9.3 系統(tǒng)辨識和控制
    9.3.1 系統(tǒng)模型
    9.3.2 系統(tǒng)辨識
    9.3.3 系統(tǒng)控制
    9.4 NNPLS建模法及質(zhì)量指標(biāo)預(yù)報
    9.4.1 部分最小二乘法
    9.4.2 NNPLs建模法
    9.4.3 產(chǎn)品質(zhì)量指標(biāo)預(yù)報
    9.5 遺傳BP算法及油品質(zhì)量估計
    9.5.1 遺傳BP算法
    9.5.2 GA—BP用于建立常壓塔質(zhì)量估計模型
    9.6 機器人運動控制
   第十章 基于神經(jīng)網(wǎng)絡(luò)的信息處理
    10.1 模式識別
    10.1.1 高爐爐頂煙氣溫度分布的識別
    10.1.2 文字識別
    10.2 圖象處理
    10.3 股票市場變化的短期預(yù)測
    10.4 組合優(yōu)化問題
    10.5 人工智能
   第十一章 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的融合
    11.1 引言
    11.2 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的等價性
    11.3 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)融合的形態(tài)
    11.4 專家系統(tǒng)
   第十二章 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的互相轉(zhuǎn)換
    12.1 結(jié)構(gòu)等價的模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)
    12.2 神經(jīng)網(wǎng)絡(luò)的實現(xiàn)
    12.2.1 隸屬函數(shù)的實現(xiàn)
    12.2.2 網(wǎng)絡(luò)的學(xué)習(xí)
    12.3 應(yīng)用實例
    12.4 小結(jié)
   第十三章 基于神經(jīng)網(wǎng)絡(luò)的模糊系統(tǒng)
    13.1 系統(tǒng)描述
    13.2 系統(tǒng)建立
    13.3 應(yīng)用實例
    13.4 小結(jié)
   第十四章 結(jié)束語
   附錄一 K－NN算法
   附錄二 穩(wěn)定性Lyapunov第二方法
   附錄三 機器人動態(tài)數(shù)學(xué)模型及控制
   附錄四 模糊C－平均法
   參考文獻