包郵折線模糊神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)逼近

作者：王貴君著

出版社：科學(xué)出版社出版時(shí)間：2017-09-01

開本： 32開 頁(yè)數(shù)： 324

讀者評(píng)分：5分1條評(píng)論

本類榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷量榜

中圖價(jià):¥65.9(5.6折) 定價(jià) ~~¥118.0~~ 登錄后可看到會(huì)員價(jià)

加入購(gòu)物車收藏

開年大促， 全場(chǎng)包郵

?新疆、西藏除外

本類五星書更多>

>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用

全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用

¥14.4¥45
>
決戰(zhàn)行測(cè)5000題(言語理解與表達(dá))

決戰(zhàn)行測(cè)5000題(言語理解與表達(dá))

¥44.1¥88
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路

軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續(xù)交付

JAVA持續(xù)交付

¥58.1¥119
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)

EXCEL最強(qiáng)教科書(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學(xué)習(xí)

深度學(xué)習(xí)

¥92.4¥168

買過本商品的人還買了

直覺語言多準(zhǔn)則決策方法研究
汪新凡
¥36.3~~¥49.0~~
考慮行為的多屬性決策方法研究
張曉，樊治平著
¥32.0~~¥68.0~~

商品詳情
商品評(píng)論(1條)

中圖價(jià):¥65.9 加入購(gòu)物車

版權(quán)信息
本書特色
內(nèi)容簡(jiǎn)介
目錄

折線模糊神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)逼近版權(quán)信息

ISBN：9787030519016
條形碼：9787030519016 ; 978-7-03-051901-6
裝幀：一般膠版紙
冊(cè)數(shù)：暫無
重量：暫無
所屬分類：
計(jì)算機(jī)/網(wǎng)絡(luò)
>
程序設(shè)計(jì)
>
其他

折線模糊神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)逼近本書特色

本書主要分兩個(gè)方面進(jìn)行闡述：一方面，基于折線模糊數(shù)的算術(shù)運(yùn)算對(duì)一類新型的折線模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行建模和性能分析，并討論該網(wǎng)絡(luò)對(duì)連續(xù)函數(shù)或可積函數(shù)類的逼近性，進(jìn)而研究單（多）輸入單（多）輸出折線模糊神經(jīng)網(wǎng)絡(luò)的連接權(quán)和閾值等調(diào)節(jié)參數(shù)的優(yōu)化算法。另一方面，以多元分片線性函數(shù)為橋梁分別研究Mamdani模糊系統(tǒng)、T-S模糊系統(tǒng)和分層混合模糊系統(tǒng)對(duì)一些可積函數(shù)類的逼近性能，并采用不同分層方法討論混合模糊系統(tǒng)的逼近能力和模糊規(guī)則數(shù)的縮減問題。此外，第1章作為第3章和第4章的理論基礎(chǔ)；第2章作為第3章、第6章至第8章的必要準(zhǔn)備。

折線模糊神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)逼近內(nèi)容簡(jiǎn)介

本書主要研究一類新型折線模糊神經(jīng)網(wǎng)絡(luò)和廣義混合模糊系統(tǒng)的逼近性能�；谡劬€模糊數(shù)的算術(shù)運(yùn)算討論折線模糊神經(jīng)網(wǎng)絡(luò)對(duì)一類可積函數(shù)的逼近性,進(jìn)而系統(tǒng)研究了單(多)輸入單(多)輸出折線模糊神經(jīng)網(wǎng)絡(luò)的若干優(yōu)化學(xué)習(xí)算法;以多元分片線性函數(shù)為橋梁分別闡述Mamdani模糊系統(tǒng)和T-S模糊系統(tǒng)對(duì)可積函數(shù)類的逼近性能;通過引入調(diào)節(jié)參數(shù)建立混合模糊系統(tǒng),采用不同分層方法研究廣義混合模糊系統(tǒng)的逼近能力和推理規(guī)則數(shù)的降低問題。

折線模糊神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)逼近目錄

第1章折線模糊數(shù) 1.1 模糊數(shù)簡(jiǎn)介 1.2 折線模糊數(shù)及有序表示 1.3 折線模糊數(shù)擴(kuò)展運(yùn)算 1.4 折線模糊數(shù)度量空間參考文獻(xiàn)第2章幾類特殊模糊積分 2.1 模糊值Choquet積分 2.1.1 基本定義 2.1.2 模糊值Choquet積分及其收斂性 2.1.3 模糊值Choquet積分的自連續(xù)性 2.2 K-擬加模糊值積分 2.2.1 誘導(dǎo)算子與K-擬加積分 2.2.2 K-擬加模糊值積分的自連續(xù) 2.3 廣義Sugeno模糊積分 2.3.1 廣義擬Sugeno模糊積分及其等價(jià)表示 2.3.2 K-擬加Sugeno積分及其性質(zhì) 2.3.3 K-擬加Sugeno積分的收斂性參考文獻(xiàn)第3章折線模糊神經(jīng)網(wǎng)絡(luò)及其性能分析 3.1 MISO折線FNN模型及特性 3.2 SISO折線FNN設(shè)計(jì)與實(shí)現(xiàn) 3.3 MISO折線FNN的逼近性 3.3.1 折線模糊值函數(shù)與H-積分模 3.3.2 （Zn(L1(Ω,μ)),H）空間的可分性 3.3.3 折線FNN的逼近性 3.4 折線FNN的穩(wěn)定性分析 3.4.1 訓(xùn)練模式對(duì)與學(xué)習(xí)算法 3.4.2 穩(wěn)定性分析參考文獻(xiàn)第4章折線模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化算法 4.1 SISO折線FNN共軛梯度算法 4.1.1 SISO折線FNN表示 4.1.2 共軛梯度算法 4.1.3 模擬實(shí)例 4.2 SISO折線FNN混合算法 4.2.1 GA-BP混合算法 4.2.2 仿真實(shí)例 4.3 MIMO折線：FNN優(yōu)化算法 4.3.1 Hebb算法 4.3.2 粒子算法 4.3.3 模擬實(shí)例 4.4 MIMO折線FNN優(yōu)化算法 4.4.1 前向三層MIMO折線FNN 4.4.2 隔離分層優(yōu)化算法 4.4.3 模擬實(shí)例參考文獻(xiàn)第5章模糊系統(tǒng)建模及其結(jié)構(gòu)特性 5.1 模糊系統(tǒng)與模糊規(guī)則 5.1.1 語言變量 5.1.2 模糊命題 5.1.3 IF-THEN規(guī)則及其表示 5.2 模糊推理機(jī)與模糊化 5.2.1 模糊規(guī)則庫(kù) 5.2.2 模糊推理 5.2.3 模糊推理機(jī) 5.2.4 模糊化與解模糊化 5.3 模糊系統(tǒng)分析與設(shè)計(jì) 5.3.1 基本概念 5.3.2 模糊系統(tǒng)結(jié)構(gòu)表示 5.3.3 依中心平均解模糊化設(shè)計(jì)模糊系統(tǒng) 5.3.4 依*大值解模糊化設(shè)計(jì)模糊系統(tǒng) 5.3.5 依數(shù)據(jù)對(duì)設(shè)計(jì)模糊系統(tǒng) 參考文獻(xiàn)第6章 Mamdani模糊系統(tǒng)的逼近分析 6.1 分片線性函數(shù)（PLF）構(gòu)造 6.2 Mamdani模糊系統(tǒng)逼近連續(xù)函數(shù) 6.2.1 PLF匿近連續(xù)函數(shù) 6.2.2 Mamdani模糊系統(tǒng)逼近PLF 6.3 Mamdani模糊系統(tǒng)逼近可積函數(shù) 6.3.1 Kp-積分模 6.3.2 PLF逼近μp-可積函數(shù) 6.3.3 Mamdani模糊系統(tǒng)的逼近性 6.4 Mamdani模糊系統(tǒng)的降維分解 6.4.1 問題提出與分析 6.4.2 降維分解定理參考文獻(xiàn)第7章非齊次線性T-S模糊系統(tǒng)的逼近性 7.1 非齊次線性T-S模糊系統(tǒng)的*大模逼近 7.1.1 非齊次線性T-S模糊系統(tǒng)的構(gòu)造 7.1.2 非齊次線性T-S模糊系統(tǒng)逼近連續(xù)函數(shù) 7.2 調(diào)節(jié)參數(shù)對(duì)T-S模糊系統(tǒng)的影響與優(yōu)化 7.2.1 交互數(shù)對(duì)系統(tǒng)的潛在影響 7.2.2 三角形隸屬函數(shù)的峰值點(diǎn)和分量半徑優(yōu)化 7.3 非齊次線性T-S模糊系統(tǒng)逼近可積函數(shù) 7.3.1 前件為三角形隸屬函數(shù)的匹配定位算法 7.3.2 非齊次線性T-S系統(tǒng)對(duì)p-可積函數(shù)的逼近參考文獻(xiàn)第8章分層混合模糊系統(tǒng)及其逼近性能 8.1 疊加串聯(lián)分層混合模糊系統(tǒng)及逼近性 8.1.1 疊加串聯(lián)分層混合模糊系統(tǒng)及其表示 8.1.2 疊加串聯(lián)分層混合模糊系統(tǒng)的逼近性 8.2 二叉樹型分層混合模糊系統(tǒng)及逼近性 8.2.1 二叉樹型分層及混合推理規(guī)則 8.2.2 混合模糊系統(tǒng)的分層表示及逼近性 8.2.3 推理規(guī)則數(shù)的縮減與分析 8.3 后件直聯(lián)型分層混合模糊系統(tǒng)及逼近 8.3.1 后件直聯(lián)型分層混合模糊系統(tǒng) 8.3.2 分層系統(tǒng)的逼近性 8.4 混合模糊系統(tǒng)的逼近性 8.4.1 混合模糊系統(tǒng)的簡(jiǎn)化表示 8.4.2 混合模糊系統(tǒng)的二階逼近性參考文獻(xiàn)

展開全部

商品評(píng)論(1條)

寫書評(píng) 賺書幣