| 针对一个复杂系统，如何快速构造一个有效的模糊系统或神经系统网络？模糊规则数或隐层节点数越多则系统性能越好吗？哪条规则最重要？所建模型具有泛化能力吗？这些问题都是技术人员在实际应用中经常遇到的问题。 本书就是要回答上述问题及其相关问题，针对不同的应用对象（系统辨识、预测、实时控制、模式识别等），解决使用者在缺乏对模糊理论、神经网络以及应用对象的全面知识的情况下，如何快速、自动地构造一个有效的模糊神经网络问题。 本书主要特色： 全书自成体系； 针对不同应用，提出多个学习算法； 在介绍参数学习的同时，特别强调结构的确定； 注重在线学习和实时控制； 侧重将理论应用于实际问题的解决； 提供多个应用实例； 附有Matlab程序。 |
| 绪论 1.1 模糊神经网络 1.1.1 模糊神经网络的提出 1.1.2 模糊神经网络的发展 1.1.3 模糊神经网络的分类 1.2 动态模糊神经网络 1.2.1 动态模糊神经网络的提出 1.2.2 动态模糊神经网络的含义与特点 1.2.3 动态模糊神经网络的应用 本章参考文献 第2章 模糊系统与神经网络回顾 2.1 模糊系统 2.1.1 模糊集 2.1.2 模糊规则 2.1.3 模糊推理系统 2.1.4 模糊系统作为非线性逼近 2.1.5 模糊系统存在的问题 2.2 神经网络 2.2.1 神经网络的特性 2.2.2 神经网络的组成 . 2.2.3 神经网络的学习算法 2.2.4 神经网络的结构与泛化能力 2.2.5 神经网络激活函数的选择 2.2.6 径向基（rbf）神经网络 2.3 模糊系统与神经网络 2.3.1 模糊系统与神经网络的知识处理 2.3.2 通用逼近器 2.3.3 模糊系统与神经网络的功能等价 2.3.4 模糊系统与神经网络的结合 本章参考文献 第3章 动态模糊神经网络 3.1 动态模糊神经网络的结构 3.2 动态模糊神经网络的学习算法 3.2.1 规则产生准则 3.2.2 分级学习思想 3.2.3 前提参数分配 3.2.4 结果参数确定 3.2.5 修剪技术 3.3 对算法的进一步讨论 3.3.1 结构辨识 3.3.2 输入空间划分 3.4 小结 本章参考文献 第4章 动态模糊神经网络不同算法实现及比较 4.1 修剪技术的不同方法 4.1.1 奇异值分解(svd)方法 4.1.2 特征值分解(ed)方法 4.1.3 列主元svd-qr方法 4.1.4 总体最小二乘方法 4.1.5 不同修剪技术的比较研究 4.1.6 小结 4.2 参数调节方法及比较 4.2.1 扩展的卡尔曼滤波 4.2.2 不同参数调节方法的比较研究 4.2.3 小结 本章参考文献 第5章 动态模糊神经网络的一般应用 5.1 函数逼近 5.1.1 逼近问题 5.1.2 hermite函数逼近 5.2 非线性动态系统辨识 5.2.1 建模问题 5.2.2 系统辨识 5.2.3 神经网络用于系统辨识 5.2.4 仿真 5.3 mackey-glass时间序列预测 5.4 人脸识别 5.5 讨论 5.5.1 学习速度、参数优化和泛化性 5.5.2 分级学习 5.5.3 高维小样本的学习问题 5.5.4 d-fnn与模糊规则提取 5.6 小结 本章参考文献 第6章 动态模糊神经网络在生物工程中的应用 第7章 增强型动态模糊神经网络用于实时自适应噪声消除 第8章 广义动态模糊神经网络 第9章 非线性系统的鲁棒自适应模糊神经控制 第10章 动态模糊神经网络的实时应用与开发 第11章 动态径向基神经网络应用于人脸识别 第12章 总结与进一步研究的课题 附录a matlab程序 |
内容加载中，请稍后...
商品评论（0条）