人工神經(jīng)網(wǎng)絡(luò)與模糊信號(hào)處理

第1章人工神經(jīng)網(wǎng)絡(luò)和模糊信號(hào)處理概述
1.1神經(jīng)網(wǎng)絡(luò)
1.1.1背景
1.1.2神經(jīng)網(wǎng)絡(luò)與模糊理論
1.1.3神經(jīng)網(wǎng)絡(luò)的興起
1.1.4神經(jīng)網(wǎng)絡(luò)的發(fā)展
1.1.5人類的大腦
1.1.6神經(jīng)細(xì)胞的模型化
1.1.7各種神經(jīng)網(wǎng)絡(luò)
1.1.8神經(jīng)網(wǎng)絡(luò)的特征
1.1.9神經(jīng)網(wǎng)絡(luò)應(yīng)用舉例
1.2模糊信號(hào)處理
1.2.1模糊集合
1.2.2模糊控制向工業(yè)系統(tǒng)的普及
1.2.3以智能信號(hào)處理為目標(biāo)
1.2.4模糊信號(hào)處理和數(shù)值信號(hào)的符號(hào)化
1.2.5模糊信號(hào)處理和神經(jīng)網(wǎng)絡(luò)的融合
1.3前景展望
第2章層次型神經(jīng)網(wǎng)絡(luò)的信號(hào)處理
2.1層次型神經(jīng)網(wǎng)絡(luò)概要
2.2反向傳播
2.2.1反向傳播的基礎(chǔ)
2.2.2反向傳播算法
2.2.3學(xué)習(xí)的快速化
2.2.4網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化
2.2.5反向傳播應(yīng)用舉例
2.3徑向基函數(shù)網(wǎng)絡(luò)
2.3.1徑向基函數(shù)網(wǎng)絡(luò)基礎(chǔ)
2.3.2RBF網(wǎng)絡(luò)和BP網(wǎng)絡(luò)的比較
2.3.3RBF網(wǎng)絡(luò)
2.4自組織化映射
2.4.1無教師學(xué)習(xí)
2.4.2自組織化映射
2.5學(xué)習(xí)向量量化
2.5.1學(xué)習(xí)向量量化
2.5.2LVQ1算法
2.5.3LVQ2算法
第3章互聯(lián)型神經(jīng)網(wǎng)絡(luò)的信號(hào)處理
3.1互聯(lián)型神經(jīng)網(wǎng)絡(luò)概要
3.2霍普菲爾德網(wǎng)絡(luò)
3.2.1基于相關(guān)的聯(lián)想存儲(chǔ)原理
3.2.2霍普菲爾德網(wǎng)絡(luò)
3.3BAM及其改進(jìn)
3.3.1BAM的構(gòu)成及工作原理
3.3.2PRLAB
3.4玻爾茲曼機(jī)和MFT學(xué)習(xí)
3.4.1玻爾茲曼機(jī)的學(xué)習(xí)算法概要
3.4.2玻爾茲曼分布
3.4.3玻爾茲曼機(jī)的學(xué)習(xí)算法
3.4.4MFT學(xué)習(xí)算法
第4章模糊性和模糊集合
4.1模糊集合的思想
4.2模糊集合與模糊性的表示
4.2.1隸屬函數(shù)
4.2.2n-cube的模糊性表示
4.2.3模糊系統(tǒng)和神經(jīng)元網(wǎng)絡(luò)的共同點(diǎn)
4.3模糊集合的運(yùn)算
4.3.1模糊補(bǔ)集
4.3.2模糊并集
4.3.3模糊交集
4.4概念模糊集合
4.5模糊度和不確定性
第5章模糊推理和模糊信號(hào)處理
5.1模糊推理的思想
5.2模糊信號(hào)處理中的推理
5.2.1模糊規(guī)則
5.2.2模糊推理
5.3應(yīng)用神經(jīng)網(wǎng)絡(luò)的模糊推理
5.3.1模糊系統(tǒng)角度上的神經(jīng)網(wǎng)絡(luò)
5.3.2神經(jīng)網(wǎng)絡(luò)角度上的模糊系統(tǒng)
5.3.3模糊神經(jīng)網(wǎng)絡(luò)的分類和推理方法概要
5.3.4模糊聯(lián)想推理
5.4模糊信號(hào)處理和模糊控制
5.4.1模糊控制的系統(tǒng)構(gòu)成和穩(wěn)定性
5.4.2模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)性
5.4.3模糊控制中的學(xué)習(xí)性和穩(wěn)定性
第6章神經(jīng)網(wǎng)絡(luò)和模糊信號(hào)處理應(yīng)用
6.1神經(jīng)網(wǎng)絡(luò)的應(yīng)用
6.1.1應(yīng)用于模式識(shí)別
6.1.2應(yīng)用于手語-聲音接口
6.1.3應(yīng)用于氣象預(yù)測(cè)
6.1.4電子寵物中的應(yīng)用
6.2模糊信號(hào)處理的應(yīng)用
6.2.1建筑相關(guān)領(lǐng)域中的應(yīng)用
6.2.2交通系統(tǒng)領(lǐng)域中的應(yīng)用
6.2.3輔助設(shè)計(jì)領(lǐng)域中的應(yīng)用
6.2.4汽車領(lǐng)域中的應(yīng)用
第7章人類的并行處理模型和智能信號(hào)處理
7.1聯(lián)想存儲(chǔ)的智能信號(hào)處理
7.1.1情節(jié)記憶
7.1.2神經(jīng)網(wǎng)絡(luò)的情節(jié)聯(lián)想存儲(chǔ)
7.1.3混沌神經(jīng)元
7.1.4混沌神經(jīng)網(wǎng)絡(luò)的聯(lián)想存儲(chǔ)
7.2聯(lián)想存儲(chǔ)的模糊聯(lián)想處理
7.2.1手語交互式接口
7.2.2智能機(jī)器人及其學(xué)習(xí)
7.3新型智能信號(hào)處理
7.3.1模糊聯(lián)想存儲(chǔ)系統(tǒng)中的混沌回想
7.3.2基于混沌回想的構(gòu)思功能和自組織化
7.3.3并行處理以及進(jìn)化和淘汰模型
附錄模糊系統(tǒng)與穩(wěn)定性
A.1線性系統(tǒng)中有理函數(shù)的不可約分解表示
A.1.1符號(hào)定義
A.1.2不可約分解表示
A.1.3內(nèi)部穩(wěn)定性
A.1.4強(qiáng)穩(wěn)定化的可能性
A.1.5小增益定理
A.2基于等價(jià)多重線性系統(tǒng)的模型系統(tǒng)的公式化
A.2.1同化多重線性系統(tǒng)和模糊控制器
A.2.2同時(shí)穩(wěn)定化問題
A.2.3凸結(jié)合型多重補(bǔ)償器問題
A.3實(shí)現(xiàn)基于在線穩(wěn)定判別條件導(dǎo)出的學(xué)習(xí)控制
A.3.1直升機(jī)的模糊模型
A.3.2模糊模型式控制器
A.3.3直升機(jī)控制用模糊控制器的穩(wěn)定性談?wù)?br />參考文獻(xiàn)
索引