第1章 人工神经网络和模糊信号处理概述 1
1.1神经网络 2
1.1.1背景 2
1.1.2神经网络与模糊理论 3
1.1.3神经网络的兴起 4
1.1.4神经网络的发展 6
1.1.5人类的大脑 6
1.1.6神经细胞的模型化 7
1.1.7各种神经网络 8
1.1.8神经网络的特征 10
1.1.9神经网络应用举例 10
1.2模糊信号处理 11
1.2.1模糊集合 12
1.2.2模糊控制向工业系统的普及 13
1.2.3以智能信号处理为目标 14
1.2.4模糊信号处理和数值信号的符号化 14
1.2.5模糊信号处理和神经网络的融合 15
1.3前景展望 16
第2章 层次型神经网络的信号处理 19
2.1层次型神经网络概要 20
2.2反向传播 20
2.2.1反向传播的基础 21
2.2.2反向传播算法 23
2.2.3学习的快速化 27
2.2.4网络结构的优化 30
2.2.5反向传播应用举例 33
2.3径向基函数网络 36
2.3.1径向基函数网络基础 36
2.3.2RBF网络和BP网络的比较 39
2.4自组织化映射 40
2.4.1无教师学习 40
2.3.3RBF网络 40
2.4.2自组织化映射 41
2.5学习向量量化 44
2.5.1学习向量量化 44
2.5.2LVQl算法 44
2.5.3LVQ2算法 45
第3章 互联型神经网络的信号处理 47
3.1互联型神经网络概要 48
3.2霍普菲尔德网络 49
3.2.1基于相关的联想存储原理 49
3.2.2霍普菲尔德网络 50
3.3.1BAM的构成及工作原理 53
3.3BAM及其改进 53
3.3.2PRLAB 54
3.4玻尔兹曼机和MFT学习 59
3.4.1玻尔兹曼机的学习算法概要 59
3.4.2玻尔兹曼分布 59
3.4.3玻尔兹曼机的学习算法 61
3.4.4MFT学习算法 63
第4章 模糊性和模糊集合 67
4.1模糊集合的思想 68
4.2模糊集合与模糊性的表示 68
4.2.1隶属函数 69
4.2.2n-cube的模糊性表示 70
4.2.3模糊系统和神经元网络的共同点 71
4.3模糊集合的运算 71
4.3.2模糊并集 72
4.3.1模糊补集 72
4.3.3模糊交集 73
4.4概念模糊集合 73
4.5模糊度和不确定性 76
第5章 模糊推理和模糊信号处理 79
5.1模糊推理的思想 80
5.2模糊信号处理中的推理 80
5.2.1模糊规则 81
5.2.2模糊推理 82
5.3应用神经网络的模糊推理 84
5.3.1模糊系统角度上的神经网络 85
5.3.2神经网络角度上的模糊系统 85
5.3.3模糊神经网络的分类和推理方法概要 86
5.3.4模糊联想推理 89
5.4.1模糊控制的系统构成和稳定性 94
5.4模糊信号处理和模糊控制 94
5.4.2模糊神经网络的学习性 98
5.4.3模糊控制中的学习性和稳定性 100
第6章 神经网络和模糊信号处理应用 109
6.1神经网络的应用 110
6.1.1应用于模式识别 110
6.1.2应用于手语－声音接口 115
6.1.3应用于气象预测 118
6.1.4电子宠物中的应用 120
6.2模糊信号处理的应用 124
6.2.1建筑相关领域中的应用 126
6.2.2交通系统领域中的应用 128
6.2.3辅助设计领域中的应用 131
6.2.4汽车领域中的应用 137
第7章 人类的并行处理模型和智能信号处理 141
7.1联想存储的智能信号处理 142
7.1.1情节记忆 142
7.1.2神经网络的情节联想存储 143
7.1.3混沌神经元 147
7.1.4混沌神经网络的联想存储 148
7.2联想存储的模糊联想处理 151
7.2.1手语交互式接口 154
7.2.2智能机器人及其学习 163
7.3新型智能信号处理 174
7.3.1模糊联想存储系统中的混沌回想 175
7.3.2基于混沌回想的构思功能和自组织化 179
7.3.3并行处理以及进化和淘汰模型 188
附录 模糊系统与稳定性 193
A.1.2不可约分解表示 194
A.1.1符号定义 194
A.1线性系统中有理函数的不可约分解表示 194
A.1.3内部稳定性 195
A.1.4强稳定化的可能性 195
A.1.5小增益定理 196
A.2基于等价多重线性系统的模糊系统的公式化 197
A.2.1同化多重线性系统和模糊控制器 197
A.2.2同时稳定化问题 199
A.2.3凸结合型多重补偿器问题 200
A.3实现基于在线稳定判别条件导出的学习控制 202
A.3.1直升机的模糊模型 202
A.3.2模糊模型式控制器 203
A.3.3直升机控制用模糊控制器的稳定性讨论 203
参考文献 205
索引 215