人工神經(jīng)網(wǎng)絡(luò)與模糊信號處理

第1章人工神經(jīng)網(wǎng)絡(luò)和模糊信號處理概述
1.1神經(jīng)網(wǎng)絡(luò)
1.1.1背景
1.1.2神經(jīng)網(wǎng)絡(luò)與模糊理論
1.1.3神經(jīng)網(wǎng)絡(luò)的興起
1.1.4神經(jīng)網(wǎng)絡(luò)的發(fā)展
1.1.5人類的大腦
1.1.6神經(jīng)細胞的模型化
1.1.7各種神經(jīng)網(wǎng)絡(luò)
1.1.8神經(jīng)網(wǎng)絡(luò)的特征
1.1.9神經(jīng)網(wǎng)絡(luò)應(yīng)用舉例
1.2模糊信號處理
1.2.1模糊集合
1.2.2模糊控制向工業(yè)系統(tǒng)的普及
1.2.3以智能信號處理為目標
1.2.4模糊信號處理和數(shù)值信號的符號化
1.2.5模糊信號處理和神經(jīng)網(wǎng)絡(luò)的融合
1.3前景展望
第2章層次型神經(jīng)網(wǎng)絡(luò)的信號處理
2.1層次型神經(jīng)網(wǎng)絡(luò)概要
2.2反向傳播
2.2.1反向傳播的基礎(chǔ)
2.2.2反向傳播算法
2.2.3學習的快速化
2.2.4網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化
2.2.5反向傳播應(yīng)用舉例
2.3徑向基函數(shù)網(wǎng)絡(luò)
2.3.1徑向基函數(shù)網(wǎng)絡(luò)基礎(chǔ)
2.3.2RBF網(wǎng)絡(luò)和BP網(wǎng)絡(luò)的比較
2.3.3RBF網(wǎng)絡(luò)
2.4自組織化映射
2.4.1無教師學習
2.4.2自組織化映射
2.5學習向量量化
2.5.1學習向量量化
2.5.2LVQ1算法
2.5.3LVQ2算法
第3章互聯(lián)型神經(jīng)網(wǎng)絡(luò)的信號處理
3.1互聯(lián)型神經(jīng)網(wǎng)絡(luò)概要
3.2霍普菲爾德網(wǎng)絡(luò)
3.2.1基于相關(guān)的聯(lián)想存儲原理
3.2.2霍普菲爾德網(wǎng)絡(luò)
3.3BAM及其改進
3.3.1BAM的構(gòu)成及工作原理
3.3.2PRLAB
3.4玻爾茲曼機和MFT學習
3.4.1玻爾茲曼機的學習算法概要
3.4.2玻爾茲曼分布
3.4.3玻爾茲曼機的學習算法
3.4.4MFT學習算法
第4章模糊性和模糊集合
4.1模糊集合的思想
4.2模糊集合與模糊性的表示
4.2.1隸屬函數(shù)
4.2.2n-cube的模糊性表示
4.2.3模糊系統(tǒng)和神經(jīng)元網(wǎng)絡(luò)的共同點
4.3模糊集合的運算
4.3.1模糊補集
4.3.2模糊并集
4.3.3模糊交集
4.4概念模糊集合
4.5模糊度和不確定性
第5章模糊推理和模糊信號處理
5.1模糊推理的思想
5.2模糊信號處理中的推理
5.2.1模糊規(guī)則
5.2.2模糊推理
5.3應(yīng)用神經(jīng)網(wǎng)絡(luò)的模糊推理
5.3.1模糊系統(tǒng)角度上的神經(jīng)網(wǎng)絡(luò)
5.3.2神經(jīng)網(wǎng)絡(luò)角度上的模糊系統(tǒng)
5.3.3模糊神經(jīng)網(wǎng)絡(luò)的分類和推理方法概要
5.3.4模糊聯(lián)想推理
5.4模糊信號處理和模糊控制
5.4.1模糊控制的系統(tǒng)構(gòu)成和穩(wěn)定性
5.4.2模糊神經(jīng)網(wǎng)絡(luò)的學習性
5.4.3模糊控制中的學習性和穩(wěn)定性
第6章神經(jīng)網(wǎng)絡(luò)和模糊信號處理應(yīng)用
6.1神經(jīng)網(wǎng)絡(luò)的應(yīng)用
6.1.1應(yīng)用于模式識別
6.1.2應(yīng)用于手語-聲音接口
6.1.3應(yīng)用于氣象預測
6.1.4電子寵物中的應(yīng)用
6.2模糊信號處理的應(yīng)用
6.2.1建筑相關(guān)領(lǐng)域中的應(yīng)用
6.2.2交通系統(tǒng)領(lǐng)域中的應(yīng)用
6.2.3輔助設(shè)計領(lǐng)域中的應(yīng)用
6.2.4汽車領(lǐng)域中的應(yīng)用
第7章人類的并行處理模型和智能信號處理
7.1聯(lián)想存儲的智能信號處理
7.1.1情節(jié)記憶
7.1.2神經(jīng)網(wǎng)絡(luò)的情節(jié)聯(lián)想存儲
7.1.3混沌神經(jīng)元
7.1.4混沌神經(jīng)網(wǎng)絡(luò)的聯(lián)想存儲
7.2聯(lián)想存儲的模糊聯(lián)想處理
7.2.1手語交互式接口
7.2.2智能機器人及其學習
7.3新型智能信號處理
7.3.1模糊聯(lián)想存儲系統(tǒng)中的混沌回想
7.3.2基于混沌回想的構(gòu)思功能和自組織化
7.3.3并行處理以及進化和淘汰模型
附錄模糊系統(tǒng)與穩(wěn)定性
A.1線性系統(tǒng)中有理函數(shù)的不可約分解表示
A.1.1符號定義
A.1.2不可約分解表示
A.1.3內(nèi)部穩(wěn)定性
A.1.4強穩(wěn)定化的可能性
A.1.5小增益定理
A.2基于等價多重線性系統(tǒng)的模型系統(tǒng)的公式化
A.2.1同化多重線性系統(tǒng)和模糊控制器
A.2.2同時穩(wěn)定化問題
A.2.3凸結(jié)合型多重補償器問題
A.3實現(xiàn)基于在線穩(wěn)定判別條件導出的學習控制
A.3.1直升機的模糊模型
A.3.2模糊模型式控制器
A.3.3直升機控制用模糊控制器的穩(wěn)定性談?wù)?br />參考文獻
索引