《动态模糊神经网路——设计与套用》【名称】动态模糊神经网路——设计与套用
【定价】￥29.00
【作　者】伍世虔;徐军
【出 版 社】清华大学出版社
【书 号】 9787302156819
【出版日期】2008 年1月
【开 本】 16开
【页 码】 224
【版 次】1-1
【所属分类】 计算机 > 人工智慧 > 神经计算

本书系统地介绍了动态模糊神经网路理论，目的是要解决使用者在缺乏模糊理论、神经网路以及套用对象的全面知识的情况下，如何快速、自动地构造一个有效的模糊神经网路的问题。因此，本书在提出参数学习的同时，特彆强调模糊神经网路结构的确定。
本书针对不同套用对象（系统辨识、预测、实时控制、模式识别等），提出了多个学习算法，这些算法以提高学习速度和增强泛化能力为中心，融合了线上学习、分级学习、动态自组织结构、修剪技术等一系列设计思想，从而使得这些算法既可用于离线训练，也可用于实时学习和控制。
本书内容丰富而详实，书末还附有MATLAB程式,可作为人工智慧、软计算、数据挖掘、信息处理、数据分析、自动控制及模式识别等领域技术人员的参考书，也可作为相关专业的研究生教材。

绪论1
1.1 模糊神经网路1
1.1.1 模糊神经网路的提出1
1.1.2 模糊神经网路的发展2
1.1.3 模糊神经网路的分类3
1.2 动态模糊神经网路4
1.2.1 动态模糊神经网路的提出4
1.2.2 动态模糊神经网路的含义与特点5
1.2.3 动态模糊神经网路的套用5
本章参考文献6

第2章 模糊系统与神经网路回顾9
2.1 模糊系统9
2.1.1 模糊集9
2.1.2 模糊规则9
2.1.3 模糊推理系统11
2.1.4 模糊系统作为非线性逼近13
2.1.5 模糊系统存在的问题14
2.2 神经网路15
2.2.1 神经网路的特性15
2.2.2 神经网路的组成15
2.2.3 神经网路的学习算法16
2.2.4 神经网路的结构与泛化能力17
2.2.5 神经网路激活函式的选择19
2.2.6 径向基（RBF）神经网路19
2.3 模糊系统与神经网路21
2.3.1 模糊系统与神经网路的知识处理22
2.3.2 通用逼近器22
2.3.3 模糊系统与神经网路的功能等价23
2.3.4 模糊系统与神经网路的结合23
本章参考文献24

第3章 动态模糊神经网路27
3.1 动态模糊神经网路的结构27
3.2 动态模糊神经网路的学习算法28
3.2.1 规则产生準则29
3.2.2 分级学习思想29
3.2.3 前提参数分配30
3.2.4 结果参数确定30
3.2.5 修剪技术32
3.3 对算法的进一步讨论35
3.3.1 结构辨识35
3.3.2 输入空间划分36
3.4 小结36
本章参考文献37

第4章 动态模糊神经网路不同算法实现及比较39
4.1 修剪技术的不同方法39
4.1.1 奇异值分解(SVD)方法39
4.1.2 特徵值分解(ED)方法40
4.1.3 列主元SVD-QR方法41
4.1.4 总体最小二乘方法43
4.1.5 不同修剪技术的比较研究45
4.1.6 小结48
4.2 参数调节方法及比较48
4.2.1 扩展的卡尔曼滤波48
4.2.2 不同参数调节方法的比较研究49
4.2.3 小结51
本章参考文献53

第5章 动态模糊神经网路的一般套用55
5.1 函式逼近55
5.1.1 逼近问题55
5.1.2 Hermite函式逼近56
5.2 非线性动态系统辨识58
5.2.1 建模问题58
5.2.2 系统辨识59
5.2.3 神经网路用于系统辨识59
5.2.4 仿真61
5.3 Mackey-Glass时间序列预测62
5.4 人脸识别65
5.5 讨论65
5.5.1 学习速度、参数最佳化和泛化性66
5.5.2 分级学习67
5.5.3 高维小样本的学习问题68
5.5.4 D-FNN与模糊规则提取68
5.6 小结68
本章参考文献68

第6章 动态模糊神经网路在生物工程中的套用70
6.1 药物注射系统的直接逆控制70
6.1.1 问题的提出70
6.1.2 病人的平均动脉血压对SNP注射回响的动态建模70
6.1.3 几个约束条件71
6.1.4 药物注射系统的直接逆控制72
6.1.5 仿真结果73
6.1.6 小结84
6.2 乳腺癌的分类85
6.2.1 引言85
6.2.2 乳腺癌诊断中的分类技术85
6.2.3 数据获取86
6.2.4 特徵提取87
6.2.5 分类结果87
6.2.6 小结89
本章参考文献89

第7章 增强型动态模糊神经网路用于实时自适应噪声消除92
7.1 引言92
7.2 自适应噪声消除92
7.3 神经网路用于自适应噪声消除94
7.4 ED-FNN学习算法95
7.4.1 输入空间的划分95
7.4.2 输出线性权值的确定96
7.4.3 其他考虑96
7.5 仿真研究与性能评估97
7.5.1 第1种情况--一阶信道动态特性98
7.5.2 第2种情况--三阶信道动态特性103
7.6 小结105
本章参考文献105

第8章 广义动态模糊神经网路106
8.1 引言106
8.2 GD-FNN的结构107
8.3 GD-FNN学习算法108
8.3.1 规则产生準则108
8.3.2 前提参数估计109
8.3.3 输入变数和模糊规则的敏感性111
8.3.4 高斯宽度修正112
8.3.5 结果参数确定113
8.4 仿真研究114
8.5 讨论118
8.5.1 模糊规则的ε-完备性118
8.5.2 模糊划分、模糊规则数和隶属函式的数量118
8.5.3 学习速度、参数最佳化和泛化性119
8.5.4 对训练样本数据的要求119
8.5.5 接收区域参数的选择和性能119
8.5.6 椭球区域和宽度估计120
8.5.7 D-FNN和GD-FNN方法120
8.6 小结121
本章参考文献122

第9章 非线性系统的鲁棒自适应模糊神经控制123
9.1 引言123
9.2 Lyapunov稳定性理论124
9.2.1 A.M.Lyapunov和稳定性定理124
9.2.2 稳定性理论基本定义124
9.2.3 自治系统126
9.2.4 LaSalle不变原理127
9.2.5 线性时不变系统127
9.2.6 非自治系统127
9.3 多输入多输出(MIMO)非线性动力系统128
9.4 用GD-FNN直接建模129
9.5 非线性系统的鲁棒自适应模糊神经控制130
9.5.1 RAFNC的结构130
9.5.2 RAFNC的收敛性分析131
9.5.3 RAFNC的稳定性分析133
9.6 仿真研究134
9.6.1 逆单摆系统的跟蹤控制134
9.6.2 机器人操作臂的跟蹤控制136
9.7 小结142
本章参考文献142

第10章 动态模糊神经网路的实时套用与开发144
10.1 引言144
10.2 SEIKO TT-3000型机器人操作臂简介145
10.3 动态模糊神经网路实时控制设计146
10.3.1 动态模糊神经网路控制方案146
10.3.2 权值训练算法146
10.3.3 运动控制147
10.4 仿真研究147
10.4.1 快速原型147
10.4.2 D-FNN控制器仿真模型148
10.4.3 仿真结果149
10.5 D-FNN控制器的实时实现151
10.5.1 控制系统硬体结构151
10.5.2 硬体条件约束152
10.5.3 C-Mex S-函式152
10.5.4 D-FNN软体152
10.6 实验结果154
10.6.1 无扰动情况下的实验结果154
10.6.2 有扰动情况下的实验结果157
10.6.3 加入/去除D-FNN控制器的实验结果160
10.7 小结162
本章参考文献162

第11章 动态径向基神经网路套用于人脸识别163
11.1 引言163
11.2 径向基神经网路165
11.3 人脸特徵提取167
11.3.1 主元分析法(PCA)167
11.3.2 Fisher线性判别式(FLD)167
11.4 径向基神经网路的初始化168
11.4.1 结构确定和参数选择168
11.4.2 高斯宽度估计170
11.5 混合学习算法171
11.5.1 权值调整171
11.5.2 RBF节点参数的调整171
11.5.3 学习步骤172
11.6 实验结果173
11.6.1 ORL资料库173
11.6.2 学习前的聚类错误173
11.6.3 学习后的分类错误173
11.6.4 性能比较176
11.7 讨论177
11.7.1 人脸特徵、分类器和识别性能的关係177
11.7.2 训练样本与识别性能的关係180
11.7.3 神经网路初始化与识别性能的关係180
11.7.4 小样本集问题182
11.8 小结183
本章参考文献183

第12章 总结与进一步研究的课题186
12.1 总结186
12.2 进一步研究的课题187

附录A MATLAB程式189
A.1 第3章程式189
A.2 第4章程式193
A.3 第5章程式201
A.4 第6章程式204
A.5 第8章程式216