神经—模糊和软计算

第1章  神经-模糊和软计算简介
  1.1  引言
  1.2  软计算组成与传统人工智能
  1.2.1  从传统人工智能到计算智能
  1.2.2  神经元网络
  1.2.3  模糊集合理论
  1.2.4  进化计算
  1.3  神经—模糊和软计算的特性
  参考文献
  第一部分  模糊集合论
第2章  模糊集合
  2.1  引言
  2.2  基本定义和术语
  2.3  集合论运算
  2.4  隶属函数的形式与参数化
  2.4.1  一维隶属函数
  2.4.2  二维隶属函数
  2.4.3  参数化MF的导数
  2.5  关于模糊并、交、和补
  2.5.1  模糊补
  2.5.2  模糊交和并
  2.5.3  参数化T范式和T协范式
  2.6  小结
  练习
  参考文献
第3章  模糊规则与模糊推理
  3.1  引言
  3.2  扩展原理和模糊关系
  3.2.1  扩展原理
  3.2.2  模糊关系
  3.3  模糊iLthen规则
  3.3.1  语言变量
  3.3.2  模糊if-then规则
  3.4  模糊推理
  3.4.1  推理复合规则
  3.4.2  模糊推理
  3.5  小结
  练习
  参考文献
第4章  模糊推理系统
  4.1  引言
  4.2  Mamdani模糊模型
  4.2.1  其它变形
  4.3  Sugeno模糊模型
  4.4  Tsutamoto模糊模型
  4.5  其它考虑
  4.5.1  输入空间划分
  4.5.2  模糊建模
  4.6  小结
  练习
  参考文献
  第二部分  回归和优化
第5章  系统辨识最小二乘法
  5.1  系统辨识：引言
  5.2  矩阵运算和微积分基础
  5.3  最小二乘估计器
  5.4  LSE的几何解释
  5.5  递归最小二乘估计器
  5.6  时变系统的递归LSE
  5.7  统计性质与最大似然估计器
  5.8  非线性模型的LSE
  5.9  小结
  练习
  参考文献
第6章  基于导数的优化
  6.1  引言
  6.2  下降法
  6.2.1  基于梯度的方法
  6.3  最陡下降法
  6.4  牛顿法
  6.4.1  经典牛顿法
  6.4.2  修正牛顿法
  6.4.3  拟牛顿法
  6.5  步长确定
  6.5.1  初始定界
  6.5.2  直线搜索
  6.5.3  终止规则
  6.6  共轭梯度法
  6.6.1  共轭方向
  6.6.2  从正交到共轭
  6.6.3  共轭梯度算法
  6.7  二次情况分析
  6.7.1  具有直线最小化的下降法
  6.7.2  非直线最小化的最陡下降法
  6.8  非线性最小二乘问题
  6.8.1  高斯—牛顿法
  6.8.2  Levenberg-Marquardt概念
  6.9  引人随机机制
  6.10  小结
  练习
  参考文献
第7章  非导数优化
  7.1  引言
  7.2  遗传算法
  7.3  模拟退火
  7.4  随机搜索
  7.5  下山单纯形搜索
  7.6  小结
  练习
  参考文献
  第三部分  神经元网络
第8章  自适应网络
  8.1  引言
  8.2  结构
  8.3  前向网络的反传
  8.4  回归网络的扩充反传
  8.4.1  同步运行网络：BPTT和RTRL
  8.4.2  连续运行网络：Mason增益公式
  8.5  混合学习规则：最陡下降和LSE的结合
  8.5.1  离线学习(批量学习)
  8.5.2  在线学习(按模式学习)
  8.5.3  最陡下降和LSE结合的不同方式
  8.6  小结
  练习
  参考文献
第9章  有监督学习神经元网络
  9.1  引言
  9.2  感知器
  9.2.1  结构与学习规则
  9.2.2  异或问题
  9.3  自适应线性元件
  9.4  反传多层感知器
  9.4.1  反传学习规则
  9.4.2  加速MLP训练的方法
  9.4.3  MLP的逼近能力
  9.5  径向基函数网络
  9.5.1  结构与学习方法
  9.5.2  功能等效于FIS
  9.5.3  插值和近似RBFN
  9.5.4  举例
  9.6  模块网络
  9.7  小结
  练习
  参考文献
第10章  增强学习
  10.1  引言
  10.2  失败是成功的可靠之路
  10.2.1  幸运旅行.
  10.2.2  信用分配问题
  10.2.3  评价函数
  10.3  时间差分学习
  10.3.1TD公式
  10.3.2  期望的幸运旅行
  10.3.3  预测累积结果
  10.4  动态规划艺术
  10.4.1  经典动态规划公式
  10.4.2  增量动态规划
  10.5  自适应启发式评判
  10.5.1  类神经元评判
  10.5.2  自适应神经元评判算法
  10.5.3  探索与动作选择
  10.6  Q-学习
  10.6.1  基本概念
  10.6.2  实现
  10，7  费用路径问题
  10.7.1  TD方法的期望费用路径问题
  10.7.2  在确定性最小费用路径中寻找最优路径
  10.7.3  泛化状态表示
  10.8  客观世界建模
  10.8.1  无模型和基于模型的学习
  10.8.2  远端教师
  10.8.3  学习速度
  10.9  其它网络结构
  10.9.1  分而治之方法论
  10.9.2  回归网络
  10.10  进化计算的增强学习
  10.10.1  桶队列
  10.10.2  遗传增强器
  10.10.3  免疫建模
  10.11  小结
  练习
  参考文献
第11章  无监督学习和其它神经元网络
  11.1  引言
  11.2  竞争学习网络
  11.3  Kohonen自组织学习-
  11.4  学习向量量化
  11.5  Heb学习
  11.6  主元网络
  11.6.1  主元分析
  11.6.2  Qa修正Heb规则
  11.7 Hopfield网络
  11.7.1  内容编址实质
  11.7.2  二进制Hopfield网络
  ¨.7.3  连续Hopfield网络
  11.7.4旅行商问题
  11.7.5 Boltzmann机
  11.8  小结
  练习
  参考文献
  第四部分  神经—模糊建模
第12章  ANFIS：自适应神经.模糊推理系统
  12.1  引言
  12.2  ANFIS结构
  12.3  混合学习算法
  12.4  ANFIS和RBFN互利的学习方法
  12.5  通用逼近器ANFIS
  12.6  仿真例子
  12.6.1  实际考虑
  12.6.2  例1：  两输人sinc函数建模
  12.6.3  例2：  三输入非线性函数建模
  12.6.4  例3：  控制系统在线辨识
  12.6.5  例4：  混沌时间序列预测
  12.7  扩展和进一步研究课题
  练习
  参考文献
第13章  协动作神经.模糊建模：面向一般的ANFIS
  13.1  引言
  13.2  框架
  13.2.1  关于多输A.／输出系统
  13.2.2  结构比较
  13.3  自适应网络的神经函数
  13.3.1  模糊隶属函数与接受区单元
  13.3.2  非线性规则
  13.3.3  改进的Sigmoid型函数和截断滤波函数
  13.4  神经—模糊谱
  13，5  自适应学习性能分析
  13.5.1  单基于最陡下降法的收敛性
  13.5.2  可解释性谱
  13.5.3  前提的演变(隶属函数)
  13.5.4  结论的演变(规则)
  13.5.5  划分的演变
  13.6  小结
  练习
  参考文献
  第五部分  高级神经—模糊建模
第14章  分类和递归树
  14.1  引言
  14.2  决策树
  14.3  用于树归纳的CART算法
  14.3.1  树增长
  14.3.2  树修剪
  14.4  用CART作ANFIS结构辨识
  14.5  小结
  练习
  参考文献
第15章  数据聚类算法
  15.1  引言
  15.2  K均值聚类
  15.3  模糊C均值聚类
  15.4  山峰聚类法
  15.5  减法聚类法
  15.6  小结
  练习
  参考文献
第16章  规则库结构辨识
  16.1  引言
  16.2  输入选择
  16.3  输入空间划分
  16.4  规则库组织
  16.5  基于焦点集的规则组合
  16.6  小结
  练习
  参考文献
  第六部分  神经—模糊控制
第17章  神经-模糊控制1
  17.1  引言
  17.2  反馈控制系统和神经—模糊控制：综述
  17.2.1  反馈控制系统
  17.2.2  神经—模糊控制
  17.3  专家控制：模仿专家
  17.4  逆向学习
  17.4.1  基本原理
  17.4.2  实例研究
  17.5  专门化学习
  17.6  经时间反传和实时回归学习
  17.6.1  基本原理
  17.6.2  实例研究：倒立摆系统
  17.7  小结
  练习
  参考文献
第18章  神经-模糊控制Ⅱ
  18.1  引言
  18.2  增强学习控制
  18.2.1  控制环境
  18.2.2  神经—模糊增强控制器
  18.3  非梯度优化
  18.3.1  GA：编码和基因算子
  18.3.2  GA：建立目标函数
  18.4  增益调度
  18.4.1  基础
  18.4.2  实例研究
  18.5  反馈线性化和滑模控制
  18.6  小结
  练习一
  参考文献
  第七部分  高级应用
第19章  ANFIS应用
  19.1  引言
  19.2  印刷符号识别
  19.3  逆动力学问题
  19.4  汽车MPG预测
  19.5  非线性系统辨识
  19.6  信道均衡
  19.7  自适应噪声消除
  参考文献
第20章  模糊.滤波神经网络
  20.1  引言
  20.2  模糊—滤波神经网络
  20.3  应用1：等离子频谱分析
  20.3.1  多层感知器法
  20.3.2  模糊-滤波神经网络方法
  20.4  应用2：手写体数字的识别
  20.4.1  一维模糊滤波器
  20.4.2  二维模糊滤波器
  20.5  基于基因算法的模糊滤波器
  20.5.1  —般模型
  20.5.2  变形与讨论
  20.6  小结
  参考文献
第21章  模糊集合和基因算法在博弈中的应用
  21.1  引言
  21.2  基因算法变形
  21.3  基因算法在博弈中的使用
  21.4  基本模型的仿真结果
  21.5  模糊特征的使用
  21.6  多倍体基因算法在博弈中的使用
  21.7  小结
  参考文献
第22章  颜色配方预测的软计算
  22.1  引言
  22.2  颜色配方预测
  22.3  单个MLP方法
  22.4  颜色配方预测的CANFIS建模
  22.4.1  模糊划分
  22.4.2  CANFIS结构
  22.4.3  嵌入知识的结构
  22.4.4  CANFIS仿真
  22.5  颜料制造智能
  22.5.1  制造智能结构
  22.5.2  知识库
  22.5.3  多精英发生器
  22.5.4  模糊群体发生器
  22.5.5  适应函数
  22.5.6  遗传策略
  22.6  实验评价
  22.7  讨论
  22.8  结论和进一步研究课题
  参考文献
附录A  部分练习题提示
附录B  缩写表