神经-模糊和软计算【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

神经-模糊和软计算PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1.2 软计算组成与传统人工智能1

1.1 引言1

1.2.1 从传统人工智能到计算智能2

1.2.2 神经元网络4

1.2.3 模糊集合理论4

1.2.4 进化计算5

1.3 神经-模糊和软计算的特性5

参考文献6

2.2 基本定义和术语8

2.1 引言8

2.3 集合论运算13

2.4 隶属函数的形式与参数化16

2.4.1 一维隶属函数16

2.4.2 二维隶属函数20

2.4.3 参数化MF的导数23

2.5 关于模糊并、交、和补23

2.5.1 模糊补23

2.5.2 模糊交和并24

2.5.3 参数化T范式和T协范式27

2.6 小结29

练习29

参考文献31

3.1 引言33

3.2 扩展原理和模糊关系33

3.2.1 扩展原理33

3.2.2 模糊关系35

3.3.1 语言变量37

3.3 模糊if-then 规则37

3.3.2 模糊 if-then规则41

3.4 模糊推理44

3.4.1 推理复合规则44

3.4.2 模糊推理45

3.5 小结49

练习49

参考文献50

4.1 引言51

4.2 Mamdani模糊模型52

4.2.1 其它变形56

4.3 Sugeno模糊模型57

4.4 Tsutamoto模糊模型59

4.5 其它考虑60

4.5.1 输入空间划分60

4.5.2 模糊建模62

4.6 小结63

习题63

参考文献63

5.1 系统辩识：引言66

5.2 矩阵运算和微积分基础67

5.3 最小二乘估计器71

5.4 LSE的几何解释76

5.5 递归最小二乘估计器78

5.6 时变系统的递归LSE80

5.7 统计性质与最大似然估计器81

5.8 非线性模型的LSE84

5.9 小结86

练习86

参考文献87

6.1 引言89

6.2 下降法89

6.2.1 基于梯度的方法90

6.3 最陡下降法91

6.4 牛顿法93

6.4.1 经典牛顿法93

6.4.2 修正牛顿法94

6.4.3 拟牛顿法96

6.5.1 初始定界97

6.5 步长确定97

6.5.2 直线搜索98

6.5.3 终止规则101

6.6 共轭梯度法102

6.6.1 共轭方向102

6.6.2 从正交到共轭103

6.6.3 共轭梯度算法105

6.7 二次情况分析107

6.7.1 具有直线最小化的下降法108

6.7.2 非直线最小化的最陡下降法109

6.8 非线性最小二乘问题111

6.8.1 高斯-牛顿法112

6.8.2 Levenberg-Marquardt概述114

6.9 引入随机机制116

6.10 小结117

练习118

参考文献118

7.1 引言121

7.2 遗传算法122

7.3 模拟退火126

7.4 随机搜索130

7.5 下山单纯形搜索131

7.6 小结135

练习135

参考文献136

8.1 引言139

8.2 结构139

8.3 前向网络的反传143

8.4 回归网络的扩充反传147

8.4.1 同步运行网络：BPTT和RTRL148

8.4.2 连续运行网络：Mason增益公式151

8.5 混合学习规则；最陡下降和LSE的结合154

8.5.1 离线学习（批量学习）154

8.5.2 在线学习（按模式学习）155

8.5.3 最陡下降和LSE结合的不同方式156

8.6 小结156

练习156

参考文献157

9.1 引言159

9.2 感知器159

9.2.1 结构与学习规则159

9.2.2 异或问题161

9.3 自适应线性元件162

9.4 反传多层感知器164

9.4.1 反传学习规则165

9.4.2 加速MLP训练的方法166

9.5 径向基函数网络167

9.5.1 结构与学习方法167

9.4.3 MLP的逼近能力167

9.5.2 功能等效于FIS169

9.5.3 插值和近似RBFN170

9.5.4 举例171

9.6 模块网络174

9.7 小结177

练习177

参考文献178

10.2 失败是成功的可靠之路183

10.1 引言183

10.2.1 幸运旅行184

10.2.2 信用分配问题185

10.2.3 评价函数186

10.3 时间差分学习187

10.3.1 TD公式187

10.3.2 期望的幸运旅行188

10.3.3 预测累积结果190

10.4 动态规划艺术191

10.4.1 经典动态规划公式191

10.4.2 增量动态规划192

10.5 自适应启发式评判193

10.5.1 类神经元评判193

10.5.2 自适应神经元证券算法194

10.5.3 探索与动作选择195

10.6 Q-学习196

10.6.1 基本概念196

10.6.2 实现197

10.7 费用路径问题198

10.7.1 TD方法的期望费用路径问题199

10.7.2 在确定性最小费用路径中寻找最优路径200

10.7.3 泛化状态表示202

10.8 客观世界模203

10.8.1 无模型和基于模型的学习203

10.8.2 远端教师204

10.8.3 学习速度204

10.9 其它网络结构204

10.9.1 分而治之方法论205

10.9.2 回归网络205

10.10.1 桶队列206

10.10.2 遗传增强器206

10.10 进化计算的增强学习206

10.10.3 免疫建模207

10.11 小结207

练习207

参考文献208

11.1 引言215

11.2 竞争学习网络215

11.3 Kohonen自组织学习217

11.4 学习向量量化219

11.5 Heb 学习221

11.6 主元网络222

11.6.1 主元分析222

11.6.2 Oja修正Heb 规则224

11.7 Hopfield网络225

11.7.1 内容编址实质225

11.7.2 二进制 Hopfield网络226

11.7.3 连续 Hopfield 网络228

11.7.4 旅行商问题230

11.7.5 Boltzmann机232

练习233

11.8 小结233

参考文献234

12.1 引言238

12.2 ANFIS结构238

12.3 混合学习算法241

12.4 ANFIS和RBFN互利的学习方法243

12.5 通用逼近器ANFIS243

12.6.1 实际考虑245

12.6 仿真例子245

12.6.2 例1：两输入sinc 函数建模246

12.6.3 例2：三输入非线性函数建模247

12.6.4 例3：控制系统在线辩识249

12.6.5 例4：混沌时间序列预测252

12.7 扩展和进一步研究课题256

练习258

参考文献259

13.2 框架263

13.2.1 关于多输入/输出系统263

13.1 引言263

13.2.2 结构比较264

13.3 自适应网络的神经函数265

13.3.1 模糊隶属函数与接受区单元266

13.3.2 非线性规则268

13.3.3 改进的Sigmoid 型函数和截断滤波函数271

13.4 神经-模糊谱273

13.5 自适应学习性能分析274

13.5.1 单基于最陡下降法的收敛性274

13.5.2 可解释性谱276

13.5.3 前提的演变（隶属函数）277

13.5.4 结论的演变（规则）278

13.5.5 划分的演变279

13.6 小结282

练习283

参考文献284

14.1 引言289

14.2 决策树289

14.3 用于树归纳的CART算法291

14.3.1 树增长292

14.3.2 树修剪296

14.4 用CART作ANFIS结构辩识298

14.5 小结301

练习301

参考文献302

15.1 引言303

15.2 K均值聚类303

15.3 模糊C均值聚类305

15.4 山峰聚类法306

15.5 减法聚类法308

15.6 小结309

练习309

参考文献310

16.1 引言311

16.2 输入选择312

16.3 输入空间划分312

16.4 规则库组织315

16.5 基于焦点集的规则组合318

参考文献320

练习320

16.6 小结320

17.1 引言323

17.2 反馈控制系统和神经-模糊控制：综述324

17.2.1 反馈控制系统324

17.2.2 神经-模糊控制326

17.3 专家控制：模仿专家326

17.4 逆向学习327

17.4.1 基本原理327

17.4.2 实例研究330

17.5 专门化学习331

17.6 经时间反传和实时回归学习334

17.6.1 基本原理334

17.6.2 实例研究：倒立摆系统335

17.7 小结340

练习340

参考文献340

18.1 引言343

18.2 增强学习控制343

18.2.1 控制环境343

18.2.2 神经-模糊增强控制器344

18.3.1 GA：编码和基因算子345

18.3 非梯度优化345

18.3.2 GA：建立目标函数347

18.4 增益调度349

18.4.1 基础349

18.4.2 实例研究350

18.5 反馈线性化和滑模控制352

练习354

参考文献354

18.6 小结354

19.1 引言359

19.2 印刷符号识别359

19.3 逆动力学问题363

19.4 汽车MPG预测364

19.5 非线性系统辩识367

19.6 信道均衡369

19.7 自适应噪声消除375

参考文献382

20.2 模糊-滤波神经网络383

20.1 引言383

20.3 应用1：等离子频谱分析385

20.3.1 多层感知器法385

20.3.2 模糊-滤波神经网络方法385

20.4 应用2：手写体数字的识别386

20.4.1 一维模糊滤波器387

20.4.2 二维模糊滤波器387

20.5 基于基因算法的模糊滤波器388

20.5.1 一般模型388

20.5.2 变形与讨论389

20.6 小结392

参考文献393

21.1 引言394

21.2 基因算法变形394

21.3 基因算法在博弈中的使用395

21.4 基本模型的仿真结果397

21.5 模糊特征的使用399

21.6 多倍体基因算法在博弈中的使用401

参考文献404

21.7 小结404

22.1 引言406

22.2 颜色配方预测406

22.3 单个MLP方法408

22.4 颜色配方预测的CANFIS建模408

22.4.1 模糊划分409

22.4.2 CANFIS结构409

22.4.3 嵌入知识的结构412

22.4.4 CANFIS仿真412

22.5.2 知识库414

22.5 颜料制造智能414

22.5.1 制造智能结构414

22.5.3 多精英发生器415

22.5.4 模糊群体发生器416

22.5.5 适应函数416

22.5.6 遗传策略418

22.6 实验评价420

22.7 讨论421

22.8 结论和进一步研究课题423

参考文献424