更新时间：2018-12-27 16:09:22
封面
版权信息
前言
第1章 模糊入门
1.1 模糊逻辑的发展
1.1.1 模糊逻辑的发展历程
1.1.2 模糊逻辑在日本的发展
1.1.3 模糊逻辑在欧洲的发展
1.1.4 模糊逻辑在美国的发展
1.2 模糊逻辑的不确定类型
1.2.1 不确定的数学原理
1.2.2 语言不确定性模型
1.3 模糊集合
1.3.1 由经典集合到模糊集合
1.3.2 模糊集合的基本概念
1.3.3 隶属度函数
1.4 模糊集合的运算
1.4.1 模糊集合的基本运算
1.4.2 模糊集合的基本运算规律
1.4.3 模糊集合与经典集合的联系
1.5 模糊关系与模糊关系的合成
1.5.1 模糊关系的基本概念
1.5.2 模糊关系的合成
1.5.3 模糊关系的性质
1.5.4 模糊变换
1.6 模糊逻辑及模糊推理
1.6.1 模糊逻辑技术
1.6.2 语言控制策略
1.6.3 模糊语言变量
1.6.4 模糊命题与模糊条件语句
1.6.5 判断与推理
1.6.6 模糊推理
1.7 模糊逻辑系统的建立
1.7.1 模糊化
1.7.2 建立if-then规则库
1.7.3 模糊推理
1.7.4 解模糊化
1.8 计算模糊系统
1.8.1 计算隶属度
1.8.2 隶属度函数的快速计算方法
1.8.3 模糊规则推理
1.8.4 将输出结果清晰化
习题
第2章 模糊应用——模糊控制系统设计
2.1 锅炉汽包水位控制系统设计
2.1.1 应用背景
2.1.2 锅炉汽包水位动态特性
2.1.3 模糊控制系统结构
2.1.4 模糊控制器的设计
2.1.5 模糊控制系统仿真
2.2 模糊PID控制直流电动机伺服系统设计
2.2.1 应用背景
2.2.2 系统控制原理
2.2.3 控制算法设计
2.2.4 系统硬件设计原理
2.2.5 系统软件设计原理
2.2.6 系统调试及结果分析
2.2.7 系统的其他控制算法
第3章 神经网络及聚类设计
3.1 什么是神经网络
3.1.1 神经网络的发展历程
3.1.2 生物神经系统的结构及冲动的传递过程
3.1.3 人工神经网络的定义
3.2 人工神经网络模型
3.2.1 人工神经元的基本模型
3.2.2 人工神经网络基本构架
3.2.3 人工神经网络的工作过程
3.2.4 人工神经网络的特点
3.3 前馈神经网络
3.3.1 感知器网络
3.3.2 BP网络
3.3.3 BP网络的建立及执行
3.3.4 BP网络应用于模式分类
3.3.5 BP网络的其他学习算法的应用
3.4 反馈神经网络
3.4.1 离散Hopfield（DHNN）网络的结构
3.4.2 离散Hopfield网络的工作方式
3.4.3 Hopfield网络的稳定性和吸引子
3.4.4 Hopfield网络的连接权设计
3.4.5 Hopfield网络应用于模式分类
3.5 径向基函数
3.5.1 径向基函数的网络结构及工作方式
3.5.2 径向基函数网络的特点及作用
3.5.3 径向基函数网络参数选择
3.5.4 RBF网络用于模式分类
3.6 其他形式的神经网络
3.6.1 竞争型人工神经网络——自组织竞争
3.6.2 竞争型人工神经网络——自组织特征映射神经网络（SOM）
3.6.3 竞争型人工神经网络——学习向量量化神经网络（LVQ）
3.6.4 概率神经网络（PNN）
3.6.5 CPN神经网络的设计
第4章 基于MATLAB的模糊神经网络的应用
4.1 神经网络与模糊系统的结合
4.1.1 模糊神经网络的特点
4.1.2 NeuroFuzzy与其他自适应技术的比较
4.2 模糊神经网络用于控制系统设计
4.2.1 基于模糊神经网络的控制器的结构
4.2.2 神经模糊控制系统的MATLAB实现
