折线模糊神经网络与模糊系统逼近

第1章 折线模糊数 1.1 模糊数简介 1.2 折线模糊数及有序表示 1.3 折线模糊数扩展运算 1.4 折线模糊数度量空间 参考文献第2章 几类特殊模糊积分 2.1 模糊值Choquet积分 2.1.1 基本定义 2.1.2 模糊值Choquet积分及其收敛性 2.1.3 模糊值Choquet积分的自连续性 2.2 K-拟加模糊值积分 2.2.1 诱导算子与K-拟加积分 2.2.2 K-拟加模糊值积分的自连续 2.3 广义Sugeno模糊积分 2.3.1 广义拟Sugeno模糊积分及其等价表示 2.3.2 K-拟加Sugeno积分及其性质 2.3.3 K-拟加Sugeno积分的收敛性 参考文献第3章 折线模糊神经网络及其性能分析 3.1 MISO折线FNN模型及特性 3.2 SISO折线FNN设计与实现 3.3 MISO折线FNN的逼近性 3.3.1 折线模糊值函数与H-积分模 3.3.2 （Zn(L1(Ω,μ)),H）空间的可分性 3.3.3 折线FNN的逼近性 3.4 折线FNN的稳定性分析 3.4.1 训练模式对与学习算法 3.4.2 稳定性分析 参考文献第4章 折线模糊神经网络优化算法 4.1 SISO折线FNN共轭梯度算法 4.1.1 SISO折线FNN表示 4.1.2 共轭梯度算法 4.1.3 模拟实例 4.2 SISO折线FNN混合算法 4.2.1 GA-BP混合算法 4.2.2 仿真实例 4.3 MIMO折线：FNN优化算法 4.3.1 Hebb算法 4.3.2 粒子算法 4.3.3 模拟实例 4.4 MIMO折线FNN优化算法 4.4.1 前向三层MIMO折线FNN 4.4.2 隔离分层优化算法 4.4.3 模拟实例 参考文献第5章 模糊系统建模及其结构特性 5.1 模糊系统与模糊规则 5.1.1 语言变量 5.1.2 模糊命题 5.1.3 IF-THEN规则及其表示 5.2 模糊推理机与模糊化 5.2.1 模糊规则库 5.2.2 模糊推理 5.2.3 模糊推理机 5.2.4 模糊化与解模糊化 5.3 模糊系统分析与设计 5.3.1 基本概念 5.3.2 模糊系统结构表示 5.3.3 依中心平均解模糊化设计模糊系统 5.3.4 依*大值解模糊化设计模糊系统 5.3.5 依数据对设计模糊系统 参考文献第6章 Mamdani模糊系统的逼近分析 6.1 分片线性函数（PLF）构造 6.2 Mamdani模糊系统逼近连续函数 6.2.1 PLF匿近连续函数 6.2.2 Mamdani模糊系统逼近PLF 6.3 Mamdani模糊系统逼近可积函数 6.3.1 Kp-积分模 6.3.2 PLF逼近μp-可积函数 6.3.3 Mamdani模糊系统的逼近性 6.4 Mamdani模糊系统的降维分解 6.4.1 问题提出与分析 6.4.2 降维分解定理 参考文献第7章 非齐次线性T-S模糊系统的逼近性 7.1 非齐次线性T-S模糊系统的*大模逼近 7.1.1 非齐次线性T-S模糊系统的构造 7.1.2 非齐次线性T-S模糊系统逼近连续函数 7.2 调节参数对T-S模糊系统的影响与优化 7.2.1 交互数对系统的潜在影响 7.2.2 三角形隶属函数的峰值点和分量半径优化 7.3 非齐次线性T-S模糊系统逼近可积函数 7.3.1 前件为三角形隶属函数的匹配定位算法 7.3.2 非齐次线性T-S系统对p-可积函数的逼近 参考文献第8章 分层混合模糊系统及其逼近性能 8.1 叠加串联分层混合模糊系统及逼近性 8.1.1 叠加串联分层混合模糊系统及其表示 8.1.2 叠加串联分层混合模糊系统的逼近性 8.2 二叉树型分层混合模糊系统及逼近性 8.2.1 二叉树型分层及混合推理规则 8.2.2 混合模糊系统的分层表示及逼近性 8.2.3 推理规则数的缩减与分析 8.3 后件直联型分层混合模糊系统及逼近 8.3.1 后件直联型分层混合模糊系统 8.3.2 分层系统的逼近性 8.4 混合模糊系统的逼近性 8.4.1 混合模糊系统的简化表示 8.4.2 混合模糊系统的二阶逼近性 参考文献