动态模糊神经网络：设计与应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

动态模糊神经网络：设计与应用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

第1章 绪论1

1.1 模糊神经网络1

1.1.1 模糊神经网络的提出1

1.1.2 模糊神经网络的发展2

1.1.3 模糊神经网络的分类3

1.2 动态模糊神经网络4

1.2.1 动态模糊神经网络的提出4

1.2.2 动态模糊神经网络的含义与特点5

1.2.3 动态模糊神经网络的应用5

本章参考文献6

第2章 模糊系统与神经网络回顾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 神经网络15

2.2.1 神经网络的特性15

2.2.2 神经网络的组成15

2.2.3 神经网络的学习算法16

2.2.4 神经网络的结构与泛化能力17

2.2.5 神经网络激活函数的选择19

2.2.6 径向基（RBF）神经网络19

2.3 模糊系统与神经网络21

2.3.1 模糊系统与神经网络的知识处理22

2.3.2 通用逼近器22

2.3.3 模糊系统与神经网络的功能等价23

2.3.4 模糊系统与神经网络的结合23

本章参考文献24

第3章 动态模糊神经网络27

3.1 动态模糊神经网络的结构27

3.2 动态模糊神经网络的学习算法28

3.2.1 规则产生准则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 动态模糊神经网络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 特征值分解（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 动态模糊神经网络的一般应用55

5.1 函数逼近55

5.1.1 逼近问题55

5.1.2 Hermite函数逼近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 神经网络用于系统辨识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、参数优化和泛化性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 动态模糊神经网络在生物工程中的应用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注射响应的动态建模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 特征提取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络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 神经网络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络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 规则产生准则108

8.3.2 前提参数估计109

8.3.3 输入变量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数的数量118

8.5.3 学习速度、参数优化和泛化性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 逆单摆系统的跟踪控制134

9.6.2 机器人操作臂的跟踪控制136

9.7 小结142

本章参考文献142

第10章 动态模糊神经网络的实时应用与开发144

10.1 引言144

10.2 SEIKO TT-3000型机器人操作臂简介145

10.3 动态模糊神经网络实时控制设计146

10.3.1 动态模糊神经网络控制方案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 控制系统硬件结构151

10.5.2 硬件条件约束152

10.5.3 C-Mex S-函数152

10.5.4 D-FNN软件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 动态径向基神经网络应用于人脸识别163

11.1 引言163

11.2 径向基神经网络165

11.3 人脸特征提取167

11.3.1 主元分析法（PCA）167

11.3.2 Fisher线性判别式（FLD）167

11.4 径向基神经网络的初始化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数据库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 人脸特征、分类器和识别性能的关系177

11.7.2 训练样本与识别性能的关系180

11.7.3 神经网络初始化与识别性能的关系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程序189

A.1 第3章程序189

A.2 第4章程序193

A.3 第5章程序201

A.4 第6章程序204

A.5 第8章程序216