智能計算：關于粗集理論、模糊邏輯、神經(jīng)網(wǎng)絡的理論及其應用

符號注釋
第1部分　粗集理論及其應用
第1章　智能數(shù)據(jù)預處理及知識系統(tǒng)表達
　1.1　數(shù)據(jù)表知識表達系統(tǒng)
　1.2　不完整、不精確數(shù)據(jù)預處理
　1.3　屬性值的離散歸一化處理
　習題與思考題
第2章　知識與分類、近似與粗集的基本概念
　2.1　知識與分類
　2.2　集合近似與粗集概念
　2.3　集合近似及分類近似的度量
　習題與思考題
第3章　知識系統(tǒng)的簡化及邏輯表達
　3.1　知識的簡化
　3.2　知識的相對簡化
　3.3　范疇的簡化
　3.4　范疇的相對簡化
　3.5　知識的依賴性
　3.6　知識表達系統(tǒng)數(shù)據(jù)的協(xié)調(diào)性
　3.7　知識表達系統(tǒng)屬性的簡化
　3.8　知識表達系統(tǒng)決策規(guī)則的簡化
　3.9　推理學習
　習題與思考題
第4章　粗集理論在智能計算中的應用
　4.1　基于粗集理論的概念的應用
　4.2　基于粗集理論方法的系統(tǒng)簡化
　4.3　從數(shù)據(jù)中挖掘決策規(guī)則
第2部分　模糊邏輯及其應用
第5章　模糊集合理論基礎
　5.1　集合論基礎
　5.2　模糊集合與隸屬函數(shù)
　5.3　模糊集合的基本運算
　習題與思考題
第6章　模糊規(guī)則與模糊邏輯推理系統(tǒng)
　6.1　擴張原理及模糊關系
　6.2　語言術語變量及模糊邏輯規(guī)則
　6.3　模糊邏輯推理
　6.4　模糊邏輯推理系統(tǒng)
　習題與思考題
第7章　模糊邏輯在智能計算中的應用
　7.1　模糊綜合評判系統(tǒng)
　7.2　模糊推理與系統(tǒng)建模
　7.3　模糊系統(tǒng)混沌時間序列預測
　7.4　模糊劃分及模糊聚類方法
第3部分　人工神經(jīng)網(wǎng)絡理論及其應用
第8章　人工神經(jīng)網(wǎng)絡基礎
　8.1　神經(jīng)網(wǎng)絡基本特性
　8.2　人工神經(jīng)網(wǎng)絡的模擬
　習題與思考題
第9章　人工神經(jīng)網(wǎng)絡結構及學習方法
　9.1　反饋互聯(lián)神經(jīng)網(wǎng)絡
　9.2　前向式神經(jīng)網(wǎng)絡
　習題與思考題
第10章　人工神經(jīng)網(wǎng)絡在智能計算、信息處理中的應用
　10.1　神經(jīng)網(wǎng)絡優(yōu)化計算
　10.2　神經(jīng)網(wǎng)絡非線性系統(tǒng)建模
　10.3　神經(jīng)網(wǎng)絡分類及模式識別
　10.4　神經(jīng)網(wǎng)絡信號處理
第4部分　綜合智能信息處理
第11章　粗集理論與模糊邏輯、概率統(tǒng)計方法的綜合智能信息處理
　11.1　基于不確定性問題研究方法評價系統(tǒng)參數(shù)的重要性
　11.2　基于概率統(tǒng)計定義的粗集方法
　11.3　基于粗集的概率統(tǒng)計推理方法
　11.4　粗集理論和模糊邏輯的綜合智能信息處理
第12章　模糊邏輯與神經(jīng)網(wǎng)絡的綜合智能信息處理
　12.1　模糊神經(jīng)網(wǎng)絡分類器
　12.2　模糊邏輯神經(jīng)網(wǎng)絡
　12.3　利用神經(jīng)模糊系統(tǒng)從數(shù)據(jù)中挖掘模糊邏輯
　12.4　自適應神經(jīng)模糊控制系統(tǒng)
　12.5　自組織神經(jīng)模糊推理專家系統(tǒng)
第13章　粗集理論與神經(jīng)網(wǎng)絡的綜合智能信息處理
　13.1　信息近似化與粗神經(jīng)元網(wǎng)絡
　13.2　粗集理論方法與神經(jīng)網(wǎng)絡結合的推理決策系統(tǒng)
　13.3　基于粗集方法預處理的神經(jīng)網(wǎng)絡系統(tǒng)
　13.4　粗集、模糊與神經(jīng)網(wǎng)絡的綜合信息處理系統(tǒng)
中英文名詞對照表
參考文獻