模糊理论和神经网络的基础与应用

　　内容简介模糊理论和神经网络是近年来得到迅速发展的新兴学科，它们的应用和影响已经遍及人工智能、计算机科学、自动控制、专家系统、信息科学、CAD/CAM、医疗诊断、经济等部门和领域。本书系统地论述了模糊理论和神经网络的基本理论、方法，从统一的工程角度综合分析了两大学科的最新成果、研究动向以及两者交叉部分中的前沿研究，并介绍了高技术的应用实例。全书共14章，分三大部分。第一部分为模糊理论的基础、建模方法和实际应用；第二部分为神经网络的基本理论、网络学习方法和典型实例；第三部分讨论了模糊系统和神经网络系统的异同、融合和相互转换方法。本书还提供了大量例题，以便读者自己模仿实践，加深理解。本书可供自动控制、计算机、信号与信息处理、电路与系统、系统工程等专业的高校师生和科技人员选用。

　　作者简介赵振宇，1984年毕业于清华大学自动化系，1991年获日本九州大学电机工程工学博士。曾先后从事系统辨识、故障诊断、信号处理、过程自动控制、智能控制和人工智能等方面的研究，多次在国际杂志和学会上发表论文。曾在加州柏克莱大学做博士后研究和担任讲师，现就职于OMRON公司，为IEEE学会会员。徐用懋，1958年毕业于清华大学动力机械系，毕业后留校任教至今。现任清华大学自动化系教授、博士生导师。长期以来从事过程控制、过程建模与优化方面的教学和科学研究工作。承担过国家“七五”、“八五”以及863/CIMS的多项科技攻关课题，科技成果曾多次获奖，近几年在国内外学术刊物和会议上发表过几十篇论文。现为中国计算机学会工业控制计算机专业委员会副主任，中国自动化学会过程控制专业委员会委员和中国化工学会化工自动化及仪表专业委员会委员。

     目录
   序
   前言
   第一章 绪论
    1.1 研究历史的回顾
    1.2 模糊系统
    1.3 神经网络系统
    1.4 机器智能
   第二章 模糊数学的基础
    2.1 模糊的定量化
    2.2 模糊集
    2.3 模糊集的运算
    2.4 模糊数及其运算
   第三章 模糊关系和模糊逻辑推理
    3.1 模糊关系
    3.2 模糊关系的运算
    3.3 模糊逻辑推理
    3.4 模糊回归分析
    3.4.1 基于实数输出值的模糊回归分析
    3.4.2 基于模糊输出值的模糊回归分析
   第四章 模糊控制
    4.1 引言
    4.2 模糊控制系统
    4.3 模糊逻辑推理法和非模糊化
    4.4 模糊控制器的设计
    4.5 自适应模糊控制
   第五章 模糊控制的应用
    5.1 引言
    5.2 PID参数整定
    5.3 列车运行自动控制
    5.3.1 列车运行PID控制
    5.3.2 预测模糊控制
    5.3.3 日立的模糊控制系统
    5.4 净水工厂药剂投量控制
   第六章 模糊系统的建模
    6.1 引言
    6.2 模糊系统模型的建立
    6.3 模糊系统的学习
    6.3.1 梯度下降法
    6.3.2 MF和模糊规则的增加法
    6.4 多层次的模糊模型
    6.5 模糊模型的评价
   第七章 神经网络基础
    7.1 神经网络模型
    7.1.1 生物神经元模型
    7.1.2 人工神经元模型
    7.1.3 神经网络模型
    7.2 前向网络
    7.2.1 感知器
    7.2.2 BP网络
    7.2.3 GMDH网络
    7.2.4 RBF网络
    7.3 反馈网络
    7.3.1 CG网络模型
    7.3.2 盒中脑（BSB）模型
    7.3.3 Hopfield网络模型
    7.3.4 双向联想记忆（BAM）
    7.3.5 回归BP网络
    7.3.6 Boltzmann机网络
    7.4 自组织神经网络
    7.4.1 自适应共振理论（ART）
    7.4.2 自组织特征映射
    7.4.3 CPN模型
   第八章 神经网络的学习方法
    8.1 引言
    8.2 Hebb学习规则
    8.3 梯度下降法
    8.3.1 δ规则
    8.3.2 BP算法
    8.3.3 回归BP算法
    8.4 最优化算法
    8.4.1 模拟退火算法
    8.4.2 单纯形法
    8.4.3 遗传算法
    8.5 网络学习的技巧
    8.6 网络学习前的数据处理
   第九章 神经网络控制系统
    9.1 引言
    9.2 动态BP算法
    9.3 系统辨识和控制
    9.3.1 系统模型
    9.3.2 系统辨识
    9.3.3 系统控制
    9.4 NNPLS建模法及质量指标预报
    9.4.1 部分最小二乘法
    9.4.2 NNPLs建模法
    9.4.3 产品质量指标预报
    9.5 遗传BP算法及油品质量估计
    9.5.1 遗传BP算法
    9.5.2 GA—BP用于建立常压塔质量估计模型
    9.6 机器人运动控制
   第十章 基于神经网络的信息处理
    10.1 模式识别
    10.1.1 高炉炉顶烟气温度分布的识别
    10.1.2 文字识别
    10.2 图象处理
    10.3 股票市场变化的短期预测
    10.4 组合优化问题
    10.5 人工智能
   第十一章 模糊系统和神经网络的融合
    11.1 引言
    11.2 模糊系统和神经网络的等价性
    11.3 模糊系统和神经网络融合的形态
    11.4 专家系统
   第十二章 模糊系统和神经网络的互相转换
    12.1 结构等价的模糊系统和神经网络
    12.2 神经网络的实现
    12.2.1 隶属函数的实现
    12.2.2 网络的学习
    12.3 应用实例
    12.4 小结
   第十三章 基于神经网络的模糊系统
    13.1 系统描述
    13.2 系统建立
    13.3 应用实例
    13.4 小结
   第十四章 结束语
   附录一 K－NN算法
   附录二 稳定性Lyapunov第二方法
   附录三 机器人动态数学模型及控制
   附录四 模糊C－平均法
   参考文献