第一章 绪 论 1
1.1 模糊逻辑与模糊逻辑系统 1
1.2 模糊逻辑与神经网络 2
1.3 本书概要 3
第二章 模糊集合 4
2.1 模糊集合的定义及运算 4
2.2 模糊集的模运算 9
2.3 分解定理和扩展原理 11
2.4 模糊数及其扩展运算 15
2.5 模糊关系 18
2.6 区间值模糊集 21
2.7 模糊事件的概率与语言概率 25
2.8 常用的模糊蕴涵规则 28
2.9 模糊条件推理的方法 29
2.10 扩展模糊推理 32
第三章 神经网络的基础 37
3.1 人工神经元模型 37
3.3 前向神经网络 38
3.2 人工神经网络模型 38
3.4 反馈神经网络 40
3.5 自组织神经网络 41
3.6 神经网络的两大类学习方法 42
3.7 误差反向传播BP算法 42
3.8 应用神经网络产生模糊集的隶属函数 43
第四章 模糊逻辑系统 48
4.1 模糊逻辑系统的组成与分类 48
4.2 模糊规则库 50
4.4 模糊产生器和反模糊化器 51
4.3 模糊推理机 51
4.5 常见的模糊逻辑系统 52
4.6 模糊系统与神经网络比较 53
第五章 万能逼近理论与模糊系统确定 57
5.1 高斯型模糊逻辑系统的万能逼近理论 57
5.2 广义隶属度型模糊逻辑系统的万能逼近理论 59
5.3 广义模糊逻辑系统的万能逼近理论 61
5.4 模糊逻辑系统的反向传播学习方法 62
5.5 模糊逻辑系统的OLS法确定 67
5.6 模糊逻辑系统的表格查寻学习算法 72
5.7 模糊逻辑系统的最近邻聚类学习算法 77
第六章 α—模糊基函数系统及其在倒立摆平衡系统中的应用 82
6.1 α—模糊基函数系统及其MOLS确定 82
6.2 倒立摆平衡问题的α—模糊基函数系统的实现 84
6.3 仿真结果及分析 103
第七章 倒立摆平衡控制问题的基于C/C++的模糊控制系统 107
7.1 问题及实现的理论基础 107
7.2 具体实现 109
8.1 模糊神经元及模糊神经网络 126
第八章 模糊神经网络 126
8.2 模糊联想记忆 129
8.3 模糊极小—极大神经网络 134
8.4 模糊关系神经网络 136
8.5 模糊Hopfield神经网络 139
8.6 模糊推理的基于h—水平截集的模糊神经网络 143
8.7 模糊逻辑系统的基于正规化模糊神经网络的实现 147
8.8 用模糊神经网络来修正不完善的模糊规则 156
第九章 模糊神经网络应用实例 169
9.1 模糊超球神经网络及其在模式聚类中的应用 169
9.2 基于动态结构神经网络的自组织模糊控制 171
9.3 基于神经网络集成的高木—关野模糊系统及应用 176
9.4 改进的模糊神经网络模型及其建模应用 183
9.5 混合pi—sigma神经网络在天气预报中的应用 186
9.6 具有结构与参数学习的模糊神经网络及应用 192
第十章 模糊神经网络及其应用的C/C++编程实现 210
10.1 pi—sigma神经网络及其建模应用的C/C++实现 210
10.2 模糊Modular神经网络与建模 229
第十一章 模糊遗传算法与建模 246
11.1 遗传算法简介 246
11.2 遗传算法在模糊规则优化与模糊模式识别中的应用 249
11.3 模糊寻优问题的模糊遗传算法FGA 256
11.4 基于模糊系统与遗传算法的建模 260
11.5 用遗传算法调整参数 261
11.6 FAM矩阵 261
11.7 基于C/C++的模糊遗传建模系统 262
11.8 系统运行实例 280
附录一 应用程序包 284
附录二 经济情况数据 309
参考文献 313