序 篇 智能模拟中的模糊逻辑与神经网络 4
0.1 智能和智能系统的主要特征 4
0.1.1什么是智能和智能系统的主要特征 4
目 录 4
0.1.2完善智能系统的主要特点 7
0.2 实现智能模拟的前提性条件 10
0.2.1智能模拟实现的目标与前提 10
0.2.2完备的智能模拟工程系统 13
0.3 智能模拟中的模糊技术与神经网络技术 14
0.3.1智能模拟中的心理模式与生理模式 14
0.3.2智能模拟中的神经网络技术 18
0.3.3智能模拟中的模糊技术 19
0.4 自适应模糊系统与因素神经网络理论 22
0.5本书的目标和内容安排 24
1.1 CONTOR集合与模糊集合 29
1.1.1 CONTOR集合及其本质特征 29
第一篇 模糊逻辑 29
第一章模糊逻辑的集合论基础 29
1.1.2模糊集合及其表示方法 30
1.2 模糊集合上的运算及其性质 32
1.2.1模糊集合的基本运算 32
1.2.2模糊集合上的一些特殊运算 33
1.3 模糊集合与普通集合间的转化 35
1.3.1模糊集的截集与集合套 35
1.3.2分解定理和表现定理 36
1.4 模糊关系与模糊等价关系 38
1.4.1关系与模糊关系 38
1.4.2模糊关系的合成 39
1.4.3模糊等价关系 39
1.5.1映射与模糊映射 40
1.5 模糊映射与扩展原理 40
1.5.2模糊映射与扩展原理 42
1.6 广义模糊集 44
1.6.1 区间数与模糊数 44
1.6.2语言值模糊集 46
1.6.3格模糊集与高阶模糊集 47
第二章模糊命题逻辑 50
2.1 模糊命题及其真值表示方法 50
2.1.1命题与模糊命题 50
2.1.2模糊命题真值的表示方法 52
2.1.3复合模糊命题 53
2.2 模糊命题逻辑及其合式公式 53
2.2.1几种典型三值逻辑简介 53
2.2.2狭义模糊逻辑 55
2.2.3模糊命题逻辑的合式公式 56
2.2.4模糊命题逻辑公式的范式与化简 58
2.3狭义模糊命题演算及推理系统 61
2.4 区间值模糊命题逻辑 63
2.4.1基于区间值模糊命题的不精确性知识描述 63
2.4.2区间值模糊命题逻辑 64
2.4.3不确定性区间值模糊推理 65
2.5 语言值模糊逻辑与自然语言型推理 67
2.5.1语言值模糊逻辑与分布值模糊逻辑 68
2.5.2 自然语言型模糊推理 70
第三章模糊谓词逻辑 72
3.1 模糊谓词与模糊谓词逻辑中的合式公式 72
3.1.1谓词与模糊谓词 72
3.1.2模糊谓词逻辑中的合式公式 74
3.2模糊谓词逻辑的等值演算 75
3.3基于模糊谓词逻辑的模糊推理 76
3.3.1无约束变元时的模糊谓词逻辑演算及推理系统 77
3.3.2考虑变元约束时的模糊谓词逻辑等值演算与推理 79
第四章关于模糊逻辑的理论研究 82
4.1 格值（模糊）逻辑 82
4.1.1有关格的一些基本概念 82
4.1.2格值（模糊）逻辑及其合式公式 84
4.1.3格值逻辑公式的化简 86
4.2 算子模糊逻辑 92
4.2.1算子格与算子模糊逻辑公式 92
4.2.2算子模糊逻辑中的范式与λ－归结 95
第二篇 神经网络基本理论 102
第五章人工神经网络的生物基础 102
5.1 生物神经元与神经网络 102
5.1.1生物神经元的生理结构与功能结构 102
5.1.2生物神经元间信息传递的机制与生物神经网络的构成 104
5.2.1大脑的生理模型与功能结构 106
5.2 大脑的生理模型及其信息处理机制 106
5.2.2人脑进行信息处理的机制与特性 107
5.3 关于思维和记忆的一些研究和猜测 109
5.3.1对大脑学习和记忆机理的一些认识 110
5.3.2对意识和思维过程的一种猜测模型 111
第六章人工神经网络的基本模型 113
6.1 基本人工神经元及其网络模块 113
6.1.1人工神经元的基本模型 113
6.1.2人工神经网络及其主要类型 115
6.2 能实现映射变换的三层前馈型BP网络 116
6.2.1BP网络的数学模型 116
6.2.2 BP网络的学习算法 117
6.2.3对BP网络及其学习算法的一些改进 118
6.3 可实现联想记忆的Hopfield网络 126
6.3.1 Hopfield网络的数学模型 126
6.3.2 Hopfield网络的动态稳定性 126
6.3.3连续型Hopfield网络及其稳定性 130
6.4 随机型BM网络 131
6.4.1 BM网络的功能结构 131
6.4.2 BM网络的运行机理和学习算法 132
6.5 其他典型联想记忆网络模型 134
6.5.1单向线性联想存储器 134
6.5.2双向联想记忆网络 135
6.6 对向传播（CP）网络 137
6.6.1 三层对向传播网络的数学模型 137
6.6.2三层对向传播网络的学习过程 138
第七章神经网络的软硬件实现 139
7.1 电子神经元器件的基本结构与实现技术 139
7.1.1模拟神经元器件的基本结构与实现技术 139
7.1.2基于电流模式的模拟实现方法 142
7.1.3数字神经元器件的基本结构与实现技术 144
7.2 光神经器件的实现技术 148
7.2.1 光神经器件实现的一些基本技术 149
7.2.2光神经器件的基本结构与实现 153
7.3 神经网络的软件实现方法 155
7.3.1 利用已有的神经网络软件开发环境开发神经网络软件 155
7.3.2利用专门的神经网络描述语言开发神经网络软件 158
7.3.3使用通用计算机编程语言开发神经网络软件 162
第八章神经网络系统理论 174
8.1 神经网络系统的动力学稳定特性 174
8.2 网络系统的吸引子与吸引域分析 178
8.3网络的随机稳定性（概率统计的观点） 181
8.4 神经网络的熵理论 183
8.4.1能量与熵 183
8.4.2同步并行计算时的熵变规律 184
8.4.3异步串行计算时的熵变规律 185
第九章模糊信息处理与模糊神经网络 189
9.1模糊信息处理的神经网络方法 189
第三篇 模糊神经网络 189
9.2 基本模糊神经元及模糊神经网络模型 191
9.2.1几种基本模糊神经元 191
9.2.2前向型模糊神经网络与反馈型模糊神经网络 193
第十章模糊推理网络 194
10.1 模糊推理模型的表达方法 194
10.1.1模糊关系模型的数学描述 194
10.1.2模糊关系模型的化简与规则型模糊推理 195
10.2 模糊推理的神经网络实现方法 197
10.2.1前馈型模糊神经网络的基本构成 197
10.2.2神经网络与模糊推理协作系统 200
第十一章模糊联想记忆网络 202
11.1 模糊记忆与模糊联想存储器 202
11.1.1模糊自联想存储器 202
11.2 模糊异联想存储器多模式对联想存储学习算法的优化 203
11.1.2模糊异联想存储器 203
11.2.1模糊赫布型学习规则的特征与不足 204
11.2.2多模式对联想记忆学习的优化算法 205
11.3 模糊双向联想记忆与推理网络 206
11.3.1模糊双向联想记忆与推理网络的基本性能 206
11.3.2模糊双向联想记忆与推理网络的动态分析及稳定特性 209
第十二章基于模糊神经网络的模糊规则提取 213
12.1模糊系统的联接主义表达与特点 213
12.2模糊规则提取的神经网络方法 214
12.3对提取规则的置信度估计 217
第四篇 因素神经网络理论 221
第十三章知识的因素表示理论 221
13.1 因素与因素空间 221
13.1.1事物、因素及因素状态 221
13.1.2因素间的关系与运算 222
13.1.3事物与因素的关系描述 223
13.1.4事物的层次结构与识别因素（开关因素） 224
13.1.5因素状态空间及其分类 225
13.1.6事物因素分析的一般步骤 226
13.1.7因素空间及其初步性质 226
13.2 知识的因素表示方法 230
13.2.1知识、智能及其数学描述 230
13.2.2知识的因素表示模式 231
13.2.3概念的因素表示方法 233
13.2.4推理、判断的因素表示 236
13.2.5因素推理模式的真值流解释 237
第十四章因素神经元与因素神经网络 238
14.1选用因素神经元作为知识表示基本模式的一些考虑 238
14.2 因素神经元形式化定义及意义 240
14.2.1因素神经元形式化定义 240
14.3.1因素神经网络形式化定义 241
14.3 因素神经网络形式化定义及其类型 241
14.2.2关于因素神经元形式化定义的几点说明 241
14.3.2对因素神经网络定义的几点解释 242
14.3.3因素神经网络的主要类型 243
第十五章几种典型因素神经元及其网络 245
15.1 点值（单一数值）型因素神经元及其网络 245
15.1.1一类二值型因素神经元的形式化定义 245
15.1.2二值型因素神经元的电子实现方法 246
15.1.3二值型因素神经元及其网络可实现的函数性质研究 250
15.1.4二值命题逻辑运算的二值型因素神经网络等价实现方法 254
15.1.5一类连续值因素神经元及其性质 259
15.1.6连续值因素神经网络对任意逻辑函数关系的可实现性 260
15.1.7连续值因素神经元的电子实现 262
15.1.8模糊综合决策问题的连续值因素神经网络实现 269
15.2 区间值因素神经元及其网络 271
15.2.1 区间值因素函数与区间值逻辑函数 272
15.2.2一类区间值型因素神经元定义及其性质 274
15.2.3 区间值因素神经元的电子实现 275
15.2.4一类区间值不精确推理及其区间值因素神经网络实现 278
15.2.5不确定性区间值推理网络的学习算法 282
15.3 分布值因素神经元及其网络 283
15.3.1分布值函数与分布值逻辑 284
15.3.2一种分布值（模糊语言值）因素神经元定义及其简单性质 284
15.3.3分布值（模糊语言值）因素神经元的电子实现 286
15.3.4分布值（模糊语言值）因素神经元应用举例 290
第十六章解析型因素神经网络 293
16.1 解析型因素神经网络描述模型的构建 293
16.1.1以对象为基础的系统描述方法 293
16.1.2对象的模糊划分与模糊关系 295
16.1.3系统认知与描述对象的解析型因素神经元表达 299
16.2 解析型因素神经元中的推理机制 300
16.2.2解析型因素神经元中的演绎推理与问题求解策略 301
16.2.1解析型因素神经网络推理模型的建立 301
16.2.3解析型因素神经网络中问题求解策略的具体实现方法 303
16.3 解析型因素神经网络中的非确定性推理与模糊搜索策略 307
16.3.1非确定性推理模式的一般表达 307
16.3.2基于概率表达的非确定性推理的实现 308
16.3.3基于模糊逻辑的非确定性推理方法 310
16.3.4基于因素表达的非确定性推理 316
16.3.5问题求解中的模糊搜索策略 321
16.3.6启发式搜索中的因素辅助搜索策略 323
16.4 解析型因素神经网络中的类比与联想 324
16.4.1相似、相对与类比 324
16.4.2联想过程中的导航机制 326
16.5 解析型因素神经网络中的学习与归纳推理 327
16.5.1学习与归纳推理 327
16.5.2离散对象的归纳 328
16.5.3具有特定拓扑结构的对象的归纳推理 329
17.1 智能模拟与模拟型因素神经网络 331
第十七章模拟型因素神经网络 331
17.1.1人类认识中的理论与经验 332
17.1.2经验模拟与模拟型因素神经元 333
17.1.3模拟型因素神经元的一般功能与结构 334
17.1.4模拟型因素神经元中的内部网络模块与节点（胞元） 335
17.1.5模拟型因素神经元实现智能模拟的方法 336
17.2 模拟型因素神经元中的前馈型网络模块与信息映射变换的实现 337
17.2.1信息映射变换与映射型网络模块 337
17.2.2前馈型网络模块实现映射变换的方法 337
17.3 模拟型因素神经元中的反馈型动态网络模块及其联想记忆功能 338
17.3.1联想与联想记忆 338
17.3.2模拟型因素神经元实现联想记忆的方法 339
17.4 模拟型因素神经网络中的认知模型 341
17.4.1认知与认知网络 341
17.4.2 ART-1的结构与运行机制 342
17.4.3.ART-2的结构与网络方程 343
17.4.4ART-3网络简介 345
17.5 模拟型因素神经网络的功能结构分析 346
17.5.1具有前馈型网络模块的模拟型因素神经元的功能结构 347
17.5.2具有反馈型动态网络模块的模拟型因素神经元的功能结构 348
17.5.3模拟型因素神经网络的一般功能结构 350
第十八章组合式因素神经网络的系统设计与系统稳定特性 351
18.1 组合式因素神经网络的系统设计 351
18.1.1组合式因素神经网络系统的基本结构 351
18.1.2组合式因素神经网络系统的数学描述 353
18.1.3组合式因素神经网络系统设计的一般方法 354
18.1.4组合式因素神经网络系统设计的一些指导性原则 355
18.2 组合式因素神经网络系统的稳定特性 356
18.2.1组合式因素神经网络系统的状态稳定性 357
18.2.2组合式因素神经网络系统的结构稳定性 361
参考文献 369