動態(tài)模糊神經網絡：設計與應用

緒論
　1.1　模糊神經網絡
　　1.1.1　模糊神經網絡的提出
　　1.1.2　模糊神經網絡的發(fā)展
　　1.1.3　模糊神經網絡的分類
　1.2　動態(tài)模糊神經網絡
　　1.2.1　動態(tài)模糊神經網絡的提出
　　1.2.2　動態(tài)模糊神經網絡的含義與特點
　　1.2.3　動態(tài)模糊神經網絡的應用
　本章參考文獻
第2章　模糊系統(tǒng)與神經網絡回顧
　2.1　模糊系統(tǒng)
　　2.1.1　模糊集
　　2.1.2　模糊規(guī)則
　　2.1.3　模糊推理系統(tǒng)
　　2.1.4　模糊系統(tǒng)作為非線性逼近
　　2.1.5　模糊系統(tǒng)存在的問題
　2.2　神經網絡
　　2.2.1　神經網絡的特性
　　2.2.2　神經網絡的組成
　　2.2.3　神經網絡的學習算法
　　2.2.4　神經網絡的結構與泛化能力
　　2.2.5　神經網絡激活函數(shù)的選擇
　　2.2.6　徑向基（RBF）神經網絡
　2.3　模糊系統(tǒng)與神經網絡
　　2.3.1　模糊系統(tǒng)與神經網絡的知識處理
　　2.3.2　通用逼近器
　　2.3.3　模糊系統(tǒng)與神經網絡的功能等價
　　2.3.4　模糊系統(tǒng)與神經網絡的結合
　本章參考文獻
第3章　動態(tài)模糊神經網絡
　3.1　動態(tài)模糊神經網絡的結構
　3.2　動態(tài)模糊神經網絡的學習算法
　　3.2.1　規(guī)則產生準則
　　3.2.2　分級學習思想
　　3.2.3　前提參數(shù)分配
　　3.2.4　結果參數(shù)確定
　　3.2.5　修剪技術
　3.3　對算法的進一步討論
　　3.3.1　結構辨識
　　3.3.2　輸入空間劃分
　3.4　小結
　本章參考文獻
第4章　動態(tài)模糊神經網絡不同算法實現(xiàn)及比較
　4.1　修剪技術的不同方法
　　4.1.1　奇異值分解(SVD)方法
　　4.1.2　特征值分解(ED)方法
　　4.1.3　列主元SVD-QR方法
　　4.1.4　總體最小二乘方法
　　4.1.5　不同修剪技術的比較研究
　　4.1.6　小結
　4.2　參數(shù)調節(jié)方法及比較
　　4.2.1　擴展的卡爾曼濾波
　　4.2.2　不同參數(shù)調節(jié)方法的比較研究
　　4.2.3　小結
　本章參考文獻
第5章　動態(tài)模糊神經網絡的一般應用
　5.1　函數(shù)逼近
　　5.1.1　逼近問題
　　5.1.2　Hermite函數(shù)逼近
　5.2　非線性動態(tài)系統(tǒng)辨識
　　5.2.1　建模問題
　　5.2.2　系統(tǒng)辨識
　　5.2.3　神經網絡用于系統(tǒng)辨識
　　5.2.4　仿真
　5.3　Mackey-Glass時間序列預測
　5.4　人臉識別
　5.5　討論
　　5.5.1　學習速度、參數(shù)優(yōu)化和泛化性
　　5.5.2　分級學習
　　5.5.3　高維小樣本的學習問題
　　5.5.4　D-FNN與模糊規(guī)則提取
　5.6　小結
　本章參考文獻
第6章　動態(tài)模糊神經網絡在生物工程中的應用
第7章　增強型動態(tài)模糊神經網絡用于實時自適應噪聲消除
第8章　廣義動態(tài)模糊神經網絡
第9章　非線性系統(tǒng)的魯棒自適應模糊神經控制
第10章　動態(tài)模糊神經網絡的實時應用與開發(fā)
第11章　動態(tài)徑向基神經網絡應用于人臉識別
第12章　總結與進一步研究的課題
附錄A　MATLAB程序