第一章 绪论 1
1.1 模糊集合与模糊逻辑的基本概念 1
1.2 模糊系统 7
1.3 模糊神经网络 8
第二章 模糊逻辑系统 10
2.1 模糊逻辑系统的组成与分类 10
2.2 模糊规则库 13
2.3 模糊推理机 15
2.4 模糊产生器与反模糊化器 16
2.5 常见的模糊逻辑系统 18
2.6 模糊系统与神经网络比较 20
第三章 模糊系统的万能逼近理论 25
3.1 高斯型模糊逻辑系统的万能逼近理论 25
3.2 广义隶属度型模糊逻辑系统的万能逼近理论 29
3.3 广义模糊逻辑系统的万能逼近理论 32
3.4 正则模糊神经网络对一类连续模糊值函数的万能逼近理论 33
第四章 模糊系统的确定技术 44
4.1 模糊逻辑系统的反向传播学习算法 44
4.2 模糊逻辑系统的OLS法确定 52
4.3 模糊逻辑系统的表格查寻学习算法 60
4.4 模糊规则的模糊归纳学习算法ILA 69
4.5 用模糊系统辨识非线性系统中的系统误差分析 77
第五章 模糊神经元与模糊神经网络 87
5.1 神经网络简介 87
5.2 模糊神经元及其模糊神经网络类型 90
5.3 模糊联想记忆网络 96
5.4 模糊极小-极大神经网络 114
5.5 模糊Hopfield神经网络 117
5.6 模糊FCMAC神经网络 125
第六章 模糊推理的神经网络实现 133
6.1 基于h-水平截集的模糊神经网络实现 133
6.2 基于正规化模糊神经网络实现 140
6.3 用模糊神经网络来修正不完善的模糊规则 157
6.4 一类区间值不确定性推理（ISAR）及其FNN实现 177
第七章 模糊遗传算法 187
7.1 遗传算法简介 187
7.2 遗传算法在模糊规则优化与模糊模式识别中的应用 193
7.3 模糊寻优问题的模糊遗传算法FGA 205
7.4 一类模糊神经网络的遗传算法辨识 211
第八章 模糊神经网络应用实例 217
8.1 基于自适应神经元学习模糊控制规则 217
8.2 多变量系统的模糊神经网络控制模型及其应用 223
8.3 递阶模糊网络机制及其在列车运行制动调速预测中的应用 231
8.4 一种集成模糊聚类神经网络 237
8.5 模糊规则的学习及其在非线性系统建模中的应用 241
8.6 神经网络模糊控制器的合成 247
第九章 基于神经网络集成的高木-关野模糊系统及其应用 272
9.1 基于神经网络集成的高木-关野模糊系统 272
9.2 实现程序 282
第十章 改进的模糊神经网络在建模中的应用实现 304
10.1 改进的模糊神经网络模型与建模应用 304
10.2 实现程序 312
第十一章 pi-sigma神经网络及其应用 333
11.1 pi-sigma神经网络及其在数据关联问题中的应用 333
11.2 实现程序 345
参考文献 374