第0章绪论1

0.1智能计算方法1

0.2智能计算方法产生与发展1

0.2.1模糊计算的产生与发展2

0.2.2神经计算的产生与发展3

0.2.3进化计算的产生与发展4

0.2.4群智能计算的产生与发展5

0.3智能计算方法分类6

习题07

第1篇模糊计算

第1章模糊计算数学基础12

1.1模糊集合12

1.1.1模糊集合定义12

1.1.2模糊集合的表示方式13

1.1.3隶属函数13

1.1.4模糊集合的基本运算16

1.1.5模糊集合与经典集合的联系17

1.2模糊关系19

1.2.1模糊关系19

1.2.2模糊关系的合成21

1.2.3模糊变换23

1.3模糊逻辑23

1.3.1模糊逻辑运算23

1.3.2模糊逻辑算子24

习题125

第2章模糊推理与模糊系统26

2.1模糊语言26

2.1.1模糊语言26

2.1.2模糊语言算子27

2.2模糊规则27

2.3模糊推理28

2.3.1Mamdani模糊推理法28

2.3.2Larsen模糊推理法33

2.3.3Zadeh模糊推理法36

2.3.4TakagiSugeno模糊推理法36

2.4模糊系统37

2.4.1模糊系统的组成结构38

2.4.2模糊系统的组成单元38

2.5模糊控制系统39

2.5.1模糊控制的基本原理40

2.5.2模糊控制器设计41

2.5.3模糊控制器设计实例43

习题250

第3章模糊聚类分析51

3.1模糊聚类分析的一般步骤51

3.2最佳分类阈值λ的确定59

3.3模糊聚类分析方法的应用实例60

习题367

第4章模糊计算的发展与展望68

第2篇神经计算

第5章人工神经网络基础73

5.1人工神经网络生物学基础73

5.2人工神经元基本结构与数学模型74

5.2.1人工神经元基本结构74

5.2.2人工神经元数学模型75

5.3人工神经网络基本结构、学习方式与基本特性76

5.3.1人工神经网络基本结构76

5.3.2人工神经网络基本学习方式78

5.3.3人工神经网络基本特性81

5.4人工神经网络设计82

习题584

第6章BP神经网络85

6.1BP神经网络基本概念85

6.2BP神经网络基本模型与学习算法85

6.2.1BP神经网络基本模型85

6.2.2BP神经网络学习算法86

6.2.3BP神经网络特点89

6.3BP神经网络的MATLAB实现90

6.4应用实例——利用BP神经网络进行预测94

6.4.1MATLAB程序实现95

6.4.2nntool神经网络工具箱的使用96

6.5应用实例——利用BP神经网络进行鸢尾花分类99

6.5.1iris数据集简介99

6.5.2基于BP神经网络的鸢尾花分类100

6.6BP神经网络算法的改进104

6.6.1附加动量法104

6.6.2自适应学习速率105

6.6.3动量-自适应学习速率调整算法105

6.6.4其他需要探索解决的问题105

习题6106

第7章径向基函数神经网络107

7.1RBF神经网络的基本概念107

7.2径向基函数神经网络模型107

7.3BPF神经网络设计110

7.3.1隐层单元个数的确定110

7.3.2基函数中心cp的确定111

7.3.3基函数宽度（扩展常数）的确定112

7.3.4权系数w的确定112

7.4RBF神经网络MATLAB实现112

7.5应用实例——利用RBF神经网络解决分类问题116

7.6应用实例——利用RBF神经网络的目标威胁评估119

7.6.1基于RBF神经网络的函数拟合120

7.6.2目标威胁评估121

7.7RBF神经网络的改进125

7.7.1RBF神经网络的不足125

7.7.2RBF神经网络改进算法125

习题7127

第8章卷积神经网络128

8.1卷积神经网络模型128

8.2卷积神经网络主要特征129

8.2.1局部感知130

8.2.2参数共享130

8.2.3多卷积核131

8.2.4池化132

8.3卷积神经网络的数学描述133

8.3.1卷积运算133

8.3.2激活运算134

8.3.3池化运算136

8.3.4全连接计算137

8.3.5Softmax回归137

8.3.6反向传播算法140 2100433B