模糊邏輯與神經(jīng)網(wǎng)絡：理論研究與探索

     目錄
    序篇 智能模擬中的模糊邏輯與神經(jīng)網(wǎng)絡
   0.1智能和智能系統(tǒng)的主要特征
    0.1.1什么是智能和智能系統(tǒng)的主要特征
    0.1.2完善智能系統(tǒng)的主要特點
   0.2實現(xiàn)智能模擬的前提性條件
    0.2.1智能模擬實現(xiàn)的目標與前提
    0.2.2完備的智能模擬工程系統(tǒng)
   0.3智能模擬中的模糊技術與神經(jīng)網(wǎng)絡技術
    0.3.1智能模擬中的心理模式與生理模式
    0.3.2智能模擬中的神經(jīng)網(wǎng)絡技術
    0.3.3智能模擬中的模糊技術
   0.4自適應模糊系統(tǒng)與因素神經(jīng)網(wǎng)絡理論
   0.5本書的目標和內(nèi)容安排
    第一篇 模糊邏輯
   第一章 模糊邏輯的集合論基礎
    1.1CONTOR集合與模糊集合
    1.1.1CONTOR集合及其本質(zhì)特征
    1.1.2模糊集合及其表示方法
    1.2模糊集合上的運算及其性質(zhì)
    1.2.1模糊集合的基本運算
    1.2.2模糊集合上的一些特殊運算
    1.3模糊集合與普通集合間的轉化
    1.3.1模糊集的截集與集合套
    1.3.2分解定理和表現(xiàn)定理
    1.4模糊關系與模糊等價關系
    1.4.1關系與模糊關系
    1.4.2模糊關系的合成
    1.4.3模糊等價關系
    1.5模糊映射與擴展原理
    1.5.1映射與模糊映射
    1.5.2模糊映射與擴展原理
    1.6廣義模糊集
    1.6.1區(qū)間數(shù)與模糊數(shù)
    1.6.2語言值模糊集
    1.6.3格模糊集與高階模糊集
   第二章 模糊命題邏輯
    2.1模糊命題及其真值表示方法
    2.1.1命題與模糊命題
    2.1.2模糊命題真值的表示方法
    2.1.3復合模糊命題
    2.2模糊命題邏輯及其合式公式
    2.2.1幾種典型三值邏輯簡介
    2.2.2狹義模糊邏輯
    2.2.3模糊命題邏輯的合式公式
    2.2.4模糊命題邏輯公式的范式與化簡
    2.3狹義模糊命題演算及推理系統(tǒng)
    2.4區(qū)間值模糊命題邏輯
    2.4.1基于區(qū)間值模糊命題的不精確性知識描述
    2.4.2區(qū)間值模糊命題邏輯
    2.4.3不確定性區(qū)間值模糊推理
    2.5語言值模糊邏輯與自然語言型推理
    2.5.1語言值模糊邏輯與分布值模糊邏輯
    2.5.2自然語言型模糊推理
   第三章 模糊謂詞邏輯
    3.1模糊謂詞與模糊謂詞邏輯中的合式公式
    3.1.1謂詞與模糊謂詞
    3.1.2模糊謂詞邏輯中的合式公式
    3.2模糊謂詞邏輯的等值演算
    3.3基于模糊謂詞邏輯的模糊推理
    3.3.1無約束變元時的模糊謂詞邏輯演算及推理系統(tǒng)
    3.3.2考慮變元約束時的模糊謂詞邏輯等值演算與推理
   第四章 關于模糊邏輯的理論研究
    4.1格值（模糊）邏輯
    4.1.1有關格的一些基本概念
    4.1.2格值（模糊）邏輯及其合式公式
    4.1.3格值邏輯公式的化簡
    4.2算子模糊邏輯
    4.2.1算子格與算子模糊邏輯公式
    4.2.2算子模糊邏輯中的范式與λ－歸結
    第二篇 神經(jīng)網(wǎng)絡基本理論
   第五章 人工神經(jīng)網(wǎng)絡的生物基礎
    5.1生物神經(jīng)元與神經(jīng)網(wǎng)絡
    5.1.1生物神經(jīng)元的生理結構與功能結構
    5.1.2生物神經(jīng)元間信息傳遞的機制與生物神經(jīng)網(wǎng)絡的構成
    5.2大腦的生理模型及其信息處理機制
    5.2.1大腦的生理模型與功能結構
    5.2.2人腦進行信息處理的機制與特性
    5.3關于思維和記憶的一些研究和猜測
    5.3.1對大腦學習和記憶機理的一些認識
    5.3.2對意識和思維過程的一種猜測模型
   第六章 人工神經(jīng)網(wǎng)絡的基本模型
    6.1基本人工神經(jīng)元及其網(wǎng)絡模塊
    6.1.1人工神經(jīng)元的基本模型
    6.1.2人工神經(jīng)網(wǎng)絡及其主要類型
    6.2能實現(xiàn)映射變換的三層前饋型BP網(wǎng)絡
    6.2.1BP網(wǎng)絡的數(shù)學模型
    6.2.2BP網(wǎng)絡的學習算法
    6.2.3對BP網(wǎng)絡及其學習算法的一些改進
    6.3可實現(xiàn)聯(lián)想記憶的Hopfield網(wǎng)絡
    6.3.1Hopfield網(wǎng)絡的數(shù)學模型
    6.3.2Hopfield網(wǎng)絡的動態(tài)穩(wěn)定性
    6.3.3連續(xù)型Hopfield網(wǎng)絡及其穩(wěn)定性
    6.4隨機型BM網(wǎng)絡
    6.4.1BM網(wǎng)絡的功能結構
    6.4.2BM網(wǎng)絡的運行機理和學習算法
    6.5其他典型聯(lián)想記憶網(wǎng)絡模型
    6.5.1單向線性聯(lián)想存儲器
    6.5.2雙向聯(lián)想記憶網(wǎng)絡
    6.6對向傳播（CP）網(wǎng)絡
    6.6.1三層對向傳播網(wǎng)絡的數(shù)學模型
    6.6.2三層對向傳播網(wǎng)絡的學習過程
   第七章 神經(jīng)網(wǎng)絡的軟硬件實現(xiàn)
    7.1電子神經(jīng)元器件的基本結構與實現(xiàn)技術
    7.1.1模擬神經(jīng)元器件的基本結構與實現(xiàn)技術
    7.1.2基于電流模式的模擬實現(xiàn)方法
    7.1.3數(shù)字神經(jīng)元器件的基本結構與實現(xiàn)技術
    7.2光神經(jīng)器件的實現(xiàn)技術
    7.2.1光神經(jīng)器件實現(xiàn)的一些基本技術
    7.2.2光神經(jīng)器件的基本結構與實現(xiàn)
    7.3神經(jīng)網(wǎng)絡的軟件實現(xiàn)方法
    7.3.1利用已有的神經(jīng)網(wǎng)絡軟件開發(fā)環(huán)境開發(fā)神經(jīng)網(wǎng)絡軟件
    7.3.2利用專門的神經(jīng)網(wǎng)絡描述語言開發(fā)神經(jīng)網(wǎng)絡軟件
    7.3.3使用通用計算機編程語言開發(fā)神經(jīng)網(wǎng)絡軟件
   第八章 神經(jīng)網(wǎng)絡系統(tǒng)理論
    8.1神經(jīng)網(wǎng)絡系統(tǒng)的動力學穩(wěn)定特性
    8.2網(wǎng)絡系統(tǒng)的吸引子與吸引域分析
    8.3網(wǎng)絡的隨機穩(wěn)定性（概率統(tǒng)計的觀點）
    8.4神經(jīng)網(wǎng)絡的熵理論
    8.4.1能量與熵
    8.4.2同步并行計算時的熵變規(guī)律
    8.4.3異步串行計算時的熵變規(guī)律
    第三篇 模糊神經(jīng)網(wǎng)絡
   第九章 模糊信息處理與模糊神經(jīng)網(wǎng)絡
    9.1模糊信息處理的神經(jīng)網(wǎng)絡方法
    9.2基本模糊神經(jīng)元及模糊神經(jīng)網(wǎng)絡模型
    9.2.1幾種基本模糊神經(jīng)元
    9.2.2前向型模糊神經(jīng)網(wǎng)絡與反饋型模糊神經(jīng)網(wǎng)絡
   第十章 模糊推理網(wǎng)絡
    10.1模糊推理模型的表達方法
    10.1.1模糊關系模型的數(shù)學描述
    10.1.2模糊關系模型的化簡與規(guī)則型模糊推理
    10.2模糊推理的神經(jīng)網(wǎng)絡實現(xiàn)方法
    10.2.1前饋型模糊神經(jīng)網(wǎng)絡的基本構成
    10.2.2神經(jīng)網(wǎng)絡與模糊推理協(xié)作系統(tǒng)
   第十一章 模糊聯(lián)想記憶網(wǎng)絡
    11.1模糊記憶與模糊聯(lián)想存儲器
    11.1.1模糊自聯(lián)想存儲器
    11.1.2模糊異聯(lián)想存儲器
    11.2模糊異聯(lián)想存儲器多模式對聯(lián)想存儲學習算法的優(yōu)化
    11.2.1模糊赫布型學習規(guī)則的特征與不足
    11.2.2多模式對聯(lián)想記憶學習的優(yōu)化算法
    11.3模糊雙向聯(lián)想記憶與推理網(wǎng)絡
    11.3.1模糊雙向聯(lián)想記憶與推理網(wǎng)絡的基本性能
    11.3.2模糊雙向聯(lián)想記憶與推理網(wǎng)絡的動態(tài)分析及穩(wěn)定特性
   第十二章 基于模糊神經(jīng)網(wǎng)絡的模糊規(guī)則提取
    12.1模糊系統(tǒng)的聯(lián)接主義表達與特點
    12.2模糊規(guī)則提取的神經(jīng)網(wǎng)絡方法
    12.3對提取規(guī)則的置信度估計
    第四篇 因素神經(jīng)網(wǎng)絡理論
   第十三章 知識的因素表示理論
    13.1因素與因素空間
    13.1.1事物、因素及因素狀態(tài)
    13.1.2因素間的關系與運算
    13.1.3事物與因素的關系描述
    13.1.4事物的層次結構與識別因素（開關因素）
    13.1.5因素狀態(tài)空間及其分類
    13.1.6事物因素分析的一般步驟
    13.1.7因素空間及其初步性質(zhì)
    13.2知識的因素表示方法
    13.2.1知識、智能及其數(shù)學描述
    13.2.2知識的因素表示模式
    13.2.3概念的因素表示方法
    13.2.4推理、判斷的因素表示
    13.2.5因素推理模式的真值流解釋
   第十四章 因素神經(jīng)元與因素神經(jīng)網(wǎng)絡
    14.1選用因素神經(jīng)元作為知識表示基本模式的一些考慮
    14.2因素神經(jīng)元形式化定義及意義
    14.2.1因素神經(jīng)元形式化定義
    14.2.2關于因素神經(jīng)元形式化定義的幾點說明
    14.3因素神經(jīng)網(wǎng)絡形式化定義及其類型
    14.3.1因素神經(jīng)網(wǎng)絡形式化定義
    14.3.2對因素神經(jīng)網(wǎng)絡定義的幾點解釋
    14.3.3因素神經(jīng)網(wǎng)絡的主要類型
   第十五章 幾種典型因素神經(jīng)元及其網(wǎng)絡
    15.1點值（單一數(shù)值）型因素神經(jīng)元及其網(wǎng)絡
    15.1.1一類二值型因素神經(jīng)元的形式化定義
    15.1.2二值型因素神經(jīng)元的電子實現(xiàn)方法
    15.1.3二值型因素神經(jīng)元及其網(wǎng)絡可實現(xiàn)的函數(shù)性質(zhì)研究
    15.1.4二值命題邏輯運算的二值型因素神經(jīng)網(wǎng)絡等價實現(xiàn)方法
    15.1.5一類連續(xù)值因素神經(jīng)元及其性質(zhì)
    15.1.6連續(xù)值因素神經(jīng)網(wǎng)絡對任意邏輯函數(shù)關系的可實現(xiàn)性
    15.1.7連續(xù)值因素神經(jīng)元的電子實現(xiàn)
    15.1.8模糊綜合決策問題的連續(xù)值因素神經(jīng)網(wǎng)絡實現(xiàn)
    15.2區(qū)間值因素神經(jīng)元及其網(wǎng)絡
    15.2.1區(qū)間值因素函數(shù)與區(qū)間值邏輯函數(shù)
    15.2.2一類區(qū)間值型因素神經(jīng)元定義及其性質(zhì)
    15.2.3區(qū)間值因素神經(jīng)元的電子實現(xiàn)
    15.2.4一類區(qū)間值不精確推理及其區(qū)間值因素神經(jīng)網(wǎng)絡實現(xiàn)
    15.2.5不確定性區(qū)間值推理網(wǎng)絡的學習算法
    15.3分布值因素神經(jīng)元及其網(wǎng)絡
    15.3.1分布值函數(shù)與分布值邏輯
    15.3.2一種分布值（模糊語言值）因素神經(jīng)元定義及其簡單性質(zhì)
    15.3.3分布值（模糊語言值）因素神經(jīng)元的電子實現(xiàn)
    15.3.4分布值（模糊語言值）因素神經(jīng)元應用舉例
   第十六章 解析型因素神經(jīng)網(wǎng)絡
    16.1解析型因素神經(jīng)網(wǎng)絡描述模型的構建
    16.1.1以對象為基礎的系統(tǒng)描述方法
    16.1.2對象的模糊劃分與模糊關系
    16.1.3系統(tǒng)認知與描述對象的解析型因素神經(jīng)元表達
    16.2解析型因素神經(jīng)元中的推理機制
    16.2.1解析型因素神經(jīng)網(wǎng)絡推理模型的建立
    16.2.2解析型因素神經(jīng)元中的演繹推理與問題求解策略
    16.2.3解析型因素神經(jīng)網(wǎng)絡中問題求解策略的具體實現(xiàn)方法
    16.3解析型因素神經(jīng)網(wǎng)絡中的非確定性推理與模糊搜索策略
    16.3.1非確定性推理模式的一般表達
    16.3.2基于概率表達的非確定性推理的實現(xiàn)
    16.3.3基于模糊邏輯的非確定性推理方法
    16.3.4基于因素表達的非確定性推理
    16.3.5問題求解中的模糊搜索策略
    16.3.6啟發(fā)式搜索中的因素輔助搜索策略
    16.4解析型因素神經(jīng)網(wǎng)絡中的類比與聯(lián)想
    16.4.1相似、相對與類比
    16.4.2聯(lián)想過程中的導航機制
    16.5解析型因素神經(jīng)網(wǎng)絡中的學習與歸納推理
    16.5.1學習與歸納推理
    16.5.2離散對象的歸納
    16.5.3具有特定拓撲結構的對象的歸納推理
   第十七章 模擬型因素神經(jīng)網(wǎng)絡
    17.1智能模擬與模擬型因素神經(jīng)網(wǎng)絡
    17.1.1人類認識中的理論與經(jīng)驗
    17.1.2經(jīng)驗模擬與模擬型因素神經(jīng)元
    17.1.3模擬型因素神經(jīng)元的一般功能與結構
    17.1.4模擬型因素神經(jīng)元中的內(nèi)部網(wǎng)絡模塊與節(jié)點（胞元）
    17.1.5模擬型因素神經(jīng)元實現(xiàn)智能模擬的方法
    17.2模擬型因素神經(jīng)元中的前饋型網(wǎng)絡模塊與信息映射變換的實現(xiàn)
    17.2.1信息映射變換與映射型網(wǎng)絡模塊
    17.2.2前饋型網(wǎng)絡模塊實現(xiàn)映射變換的方法
    17.3模擬型因素神經(jīng)元中的反饋型動態(tài)網(wǎng)絡模塊及其聯(lián)想記憶功能
    17.3.1聯(lián)想與聯(lián)想記憶
    17.3.2模擬型因素神經(jīng)元實現(xiàn)聯(lián)想記憶的方法
    17.4模擬型因素神經(jīng)網(wǎng)絡中的認知模型
    17.4.1認知與認知網(wǎng)絡
    17.4.2ART－1的結構與運行機制
    17.4.3ART－2的結構與網(wǎng)絡方程
    17.4.4ART－3網(wǎng)絡簡介
    17.5模擬型因素神經(jīng)網(wǎng)絡的功能結構分析
    17.5.1具有前饋型網(wǎng)絡模塊的模擬型因素神經(jīng)元的功能結構
    17.5.2具有反饋型動態(tài)網(wǎng)絡模塊的模擬型因素神經(jīng)元的功能結構
    17.5.3模擬型因素神經(jīng)網(wǎng)絡的一般功能結構
   第十八章 組合式因素神經(jīng)網(wǎng)絡的系統(tǒng)設計與系統(tǒng)穩(wěn)定特性
    18.1組合式因素神經(jīng)網(wǎng)絡的系統(tǒng)設計
    18.1.1組合式因素神經(jīng)網(wǎng)絡系統(tǒng)的基本結構
    18.1.2組合式因素神經(jīng)網(wǎng)絡系統(tǒng)的數(shù)學描述
    18.1.3組合式因素神經(jīng)網(wǎng)絡系統(tǒng)設計的一般方法
    18.1.4組合式因素神經(jīng)網(wǎng)絡系統(tǒng)設計的一些指導性原則
    18.2組合式因素神經(jīng)網(wǎng)絡系統(tǒng)的穩(wěn)定特性
    18.2.1組合式因素神經(jīng)網(wǎng)絡系統(tǒng)的狀態(tài)穩(wěn)定性
    18.2.2組合式因素神經(jīng)網(wǎng)絡系統(tǒng)的結構穩(wěn)定性
   參考文獻