人民幣定價：56 元
定價
：NT$ 336 元優惠價
：87 折 292 元
絕版無法訂購
相關商品
商品簡介
目次
商品簡介
模糊與神經網絡是兩種常用的智能信息處理技術，它們都能模擬人的智能行為，解決不確定、非線性、復雜的控制與分類問題，具有非常廣闊的應用前景。本書以fuzzyTECH和MATLAB軟件平臺對模糊與神經網絡技術進行了綜合講解并介紹了它們的應用，以使讀者更全面地了解模糊與神經網絡領域的最新研究成果。
目次
第1章 要模糊入門1
1.1 模糊邏輯的發展1
1.1.1 模糊邏輯的發展歷程1
1.1.2 模糊邏輯在日本的發展2
1.1.3 模糊邏輯在歐洲的發展2
1.1.4 模糊邏輯在美國的發展3
1.2 模糊邏輯的不確定類型3
1.2.1 不確定的數學原理3
1.2.2 語言不確定性模型3
1.3 模糊集合4
1.3.1 由經典集合到模糊集合4
1.3.2 模糊集合的基本概念6
1.3.3 隸屬度函數9
1.4 模糊集合的運算11
1.4.1 模糊集合的基本運算11
1.4.2 模糊集合的基本運算規律13
1.4.3 模糊集合與經典集合的聯系14
1.5 模糊關係與模糊關係的合成16
1.5.1 模糊關係的基本概念16
1.5.2 模糊關係的合成18
1.5.3 模糊關係的性質20
1.5.4 模糊變換22
1.6 模糊邏輯及模糊推理23
1.6.1 模糊邏輯技術23
1.6.2 語言控制策略25
1.6.3 模糊語言變量25
1.6.4 模糊命題與模糊條件語句27
1.6.5 判斷與推理28
1.6.6 模糊推理28
1.7 模糊邏輯系統的建立34
1.7.1 模糊化35
1.7.2 建立if-then規則庫36
1.7.3 模糊推理38
1.7.4 解模糊化39
1.8 計算模糊系統40
1.8.1 計算隸屬度41
1.8.2 隸屬度函數的快速計算方法42
1.8.3 模糊規則推理42
1.8.4 將輸出結果清晰化43
習題45
第2章 模糊應用——模糊控制系統設計47
2.1 鍋爐汽包水位控制系統設計48
2.1.1 應用背景48
2.1.2 鍋爐汽包水位動態特性48
2.1.3 模糊控制系統結構48
2.1.4 模糊控制器的設計49
2.1.5 模糊控制系統仿真57
2.2 模糊PID控制直流電動機伺服系統設計59
2.2.1 應用背景59
2.2.2 系統控制原理60
2.2.3 控制算法設計62
2.2.4 系統硬件設計原理69
2.2.5 系統軟件設計原理76
2.2.6 系統調試及結果分析88
2.2.7 系統的其他控制算法93
習題106
第3章 神經網絡及聚類設計112
3.1 什麼是神經網絡112
3.1.1 神經網絡的發展歷程112
3.1.2 生物神經系統的結構及沖動的傳遞過程114
3.1.3 人工神經網絡的定義116
3.2 人工神經網絡模型117
3.2.1 人工神經元的基本模型117
3.2.2 人工神經網絡基本構架119
3.2.3 人工神經網絡的工作過程121
3.2.4 人工神經網絡的特點121
3.3 前饋神經網絡122
3.3.1 感知器網絡124
3.3.2 BP網絡126
3.3.3 BP網絡的建立及執行128
3.3.4 BP網絡應用于模式分類130
3.3.5 BP網絡的其他學習算法的應用136
3.4 反饋神經網絡143
3.4.1 離散Hopfield（DHNN）網絡的結構144
3.4.2 離散Hopfield網絡的工作方式144
3.4.3 Hopfield網絡的穩定性和吸引子145
3.4.4 Hopfield網絡的連接權設計146
3.4.5 Hopfield網絡應用于模式分類147
3.5 徑向基函數154
3.5.1 徑向基函數的網絡結構及工作方式155
3.5.2 徑向基函數網絡的特點及作用156
3.5.3 徑向基函數網絡參數選擇156
3.5.4 RBF網絡用于模式分類156
3.6 其他形式的神經網絡163
3.6.1 競爭型人工神經網絡——自組織競爭163
3.6.2 競爭型人工神經網絡——自組織特徵映射神經網絡（SOM）167
3.6.3 競爭型人工神經網絡——學習向量量化神經網絡（LVQ）170
3.6.4 概率神經網絡（PNN）173
3.6.5 CPN神經網絡的設計178
習題187
第4章 基於MATLAB的模糊神經網絡的應用188
4.1 神經網絡與模糊系統的結合188
4.1.1 模糊神經網絡的特點188
4.1.2 NeuroFuzzy與其他自適應技術的比較189
4.2 模糊神經網絡用于控制系統設計189
4.2.1 基於模糊神經網絡的控制器的結構189
4.2.2 神經模糊控制系統的MATLAB實現190
4.3 模糊神經網絡用于模式識別系統設計196
4.3.1 應用背景196
4.3.2 模糊神經網絡算法的原理197
4.3.3 基於MATLAB的模糊神經網絡分類器的設計與實現200
習題211
第5章 基於fuzzyTECH的模糊設計技術212
5.1 fuzzyTECH界面用戶化212
5.1.1 fuzzyTECH軟件界面212
5.1.2 界面用戶化設置213
5.1.3 視圖方式用戶化設置217
5.2 使用模糊設計向導設計“empty”模糊系統219
5.3 應用fuzzyTECH配置模糊系統223
5.3.1 模糊系統常見的結構和對象223
5.3.2 編輯對象224
5.3.3 定義文本對象225
5.3.4 定義語言變量225
5.3.5 定義隸屬度函數230
5.3.6 定義規則塊234
5.3.7 模糊規則公式236
5.4 使用優化選項優化模糊系統245
5.5 連接fuzzyTECH到其他應用249
5.6 基於fuzzyTECH的起重機模糊控制系統分析250
5.6.1 起重機模糊控制系統的用戶工具250
5.6.2 起重機的控制策略252
5.6.3 fuzzyTECH中的起重機模糊控制系統252
5.6.4 在fuzzyTECH中啟動起重機模糊控制系統255
5.6.5 fuzzyTECH中的響應分析255
5.6.6 模糊控制系統中的語言變量修改260
5.6.7 模糊邏輯規則的修改263
5.6.8 利用交互式調試模式進行系統測試266
5.7 fuzzyTECH的在線調試功能268
5.7.1 蒸汽鍋爐鼓輪仿真系統的操作269
5.7.2 蒸汽鍋爐鼓輪仿真系統模糊邏輯控制策略273
5.7.3 fuzzyTECH在線開發275
5.8 fuzzyTECH文件記錄與校正控制系統280
5.8.1 工程信息280
5.8.2 文檔生成器280
5.8.3 修正控制系統281
習題283
第6章 基於fuzzyTECH的NeuroFuzzy設計技術284
6.1 從采用數據文件產生模糊異或系統285
6.1.1 使用模糊設計向導產生一個模糊異或系統285
6.1.2 模糊系統的神經模糊網絡訓練——對異或系統進行訓練288
6.2 使用FuzzyCluster聚類294
6.2.1 聚類概念294
6.2.2 訓練CLUSTER1.CSV文件295
6.2.3 刪除冗余數據299
6.2.4 處理沖突數據300
6.2.5 顯示樣本文件302
6.2.6 模糊聚類303
6.3 fuzzyTECH中NeuroFuzzy訓練的計算305
6.3.1 模糊邏輯作為神經元305
6.3.2 模糊與神經網絡的知識表達306
6.4 fuzzyTECH中NeuroFuzzy學習模糊規則306
6.4.1 FAM規則306
6.4.2 訓練數據307
6.4.3 完成NeuroFuzzy網絡307
6.5 fuzzyTECH中NeuroFuzzy學習模糊化和解模糊化308
6.5.1 隸屬度函數的訓練308
6.5.2 學習方法309
6.6 fuzzyTECH中NeuroFuzzy的數據聚類310
6.6.1 消除數據沖突310
6.6.2 聚類算法310
6.6.3 一致性分析311
習題312
第7章 fuzzyTECH的應用313
7.1 數據采集313
7.1.1 系統分析313
7.1.2 記錄樣本數據315
7.2 數據聚類——C均值聚類317
7.2.1 C均值聚類的算法317
7.2.2 C均值聚類的MATLAB實現318
7.2.3 待聚類樣本的分類結果322
7.2.4 結論323
7.3 數據聚類——改進C均值聚類325
7.3.1 C均值改進算法的思想326
7.3.2 基於取樣思想的改進C均值算法327
7.3.3 運行結果330
7.3.4 結論333
7.4 數據聚類——模糊聚類333
7.4.1 模糊聚類應用背景333
7.4.2 基於MATLAB的GUI工具的模糊算法構建——數據模糊化333
7.4.3 基於MATLAB的GUI工具的模糊算法構建——FIS實現337
7.4.4 系統結果分析340
7.5 數據聚類——模糊C均值聚類342
7.5.1 模糊C均值聚類應用背景342
7.5.2 模糊C均值算法342
7.5.3 模糊C均值聚類的MATLAB實現343
7.5.4 模糊C均值聚類結果分析346
7.6 數據聚類——ISODATA算法概述聚類348
7.6.1 ISODATA算法應用背景348
7.6.2 用MATLAB實現ISODATA算法348
7.6.3 聚類結果353
7.6.4 ISODATA算法總結353
7.7 系統建立353
7.7.1 建立系統354
7.7.2 學習前系統的規則觀察及先驗規則的添加356
7.8 模糊神經網絡配置及學習過程仿真357
7.8.1 輸出變量的設置358
7.8.2 神經網絡訓練配置359
7.8.3 模糊神經網絡訓練360
7.8.4 系統的學習過程仿真362
7.8.5 學習后系統的變化363
7.8.6 系統的優化364
7.9 系統的性能調試、仿真及代碼生成365
7.9.1 系統的性能調試365
7.9.2 系統的仿真分析367
7.9.3 系統的代碼生成371
7.10 系統的工作過程分析372
7.10.1 確定系統所屬語言值372
7.10.2 確定所用的模糊規則及系統的輸出372
7.11 系統模糊神經模塊的結構及算法分析374
7.11.1 模糊模塊及模糊神經網絡模塊374
7.11.2 模糊神經網絡模塊376
7.11.3 模糊神經算法378
習題380
1.1 模糊邏輯的發展1
1.1.1 模糊邏輯的發展歷程1
1.1.2 模糊邏輯在日本的發展2
1.1.3 模糊邏輯在歐洲的發展2
1.1.4 模糊邏輯在美國的發展3
1.2 模糊邏輯的不確定類型3
1.2.1 不確定的數學原理3
1.2.2 語言不確定性模型3
1.3 模糊集合4
1.3.1 由經典集合到模糊集合4
1.3.2 模糊集合的基本概念6
1.3.3 隸屬度函數9
1.4 模糊集合的運算11
1.4.1 模糊集合的基本運算11
1.4.2 模糊集合的基本運算規律13
1.4.3 模糊集合與經典集合的聯系14
1.5 模糊關係與模糊關係的合成16
1.5.1 模糊關係的基本概念16
1.5.2 模糊關係的合成18
1.5.3 模糊關係的性質20
1.5.4 模糊變換22
1.6 模糊邏輯及模糊推理23
1.6.1 模糊邏輯技術23
1.6.2 語言控制策略25
1.6.3 模糊語言變量25
1.6.4 模糊命題與模糊條件語句27
1.6.5 判斷與推理28
1.6.6 模糊推理28
1.7 模糊邏輯系統的建立34
1.7.1 模糊化35
1.7.2 建立if-then規則庫36
1.7.3 模糊推理38
1.7.4 解模糊化39
1.8 計算模糊系統40
1.8.1 計算隸屬度41
1.8.2 隸屬度函數的快速計算方法42
1.8.3 模糊規則推理42
1.8.4 將輸出結果清晰化43
習題45
第2章 模糊應用——模糊控制系統設計47
2.1 鍋爐汽包水位控制系統設計48
2.1.1 應用背景48
2.1.2 鍋爐汽包水位動態特性48
2.1.3 模糊控制系統結構48
2.1.4 模糊控制器的設計49
2.1.5 模糊控制系統仿真57
2.2 模糊PID控制直流電動機伺服系統設計59
2.2.1 應用背景59
2.2.2 系統控制原理60
2.2.3 控制算法設計62
2.2.4 系統硬件設計原理69
2.2.5 系統軟件設計原理76
2.2.6 系統調試及結果分析88
2.2.7 系統的其他控制算法93
習題106
第3章 神經網絡及聚類設計112
3.1 什麼是神經網絡112
3.1.1 神經網絡的發展歷程112
3.1.2 生物神經系統的結構及沖動的傳遞過程114
3.1.3 人工神經網絡的定義116
3.2 人工神經網絡模型117
3.2.1 人工神經元的基本模型117
3.2.2 人工神經網絡基本構架119
3.2.3 人工神經網絡的工作過程121
3.2.4 人工神經網絡的特點121
3.3 前饋神經網絡122
3.3.1 感知器網絡124
3.3.2 BP網絡126
3.3.3 BP網絡的建立及執行128
3.3.4 BP網絡應用于模式分類130
3.3.5 BP網絡的其他學習算法的應用136
3.4 反饋神經網絡143
3.4.1 離散Hopfield（DHNN）網絡的結構144
3.4.2 離散Hopfield網絡的工作方式144
3.4.3 Hopfield網絡的穩定性和吸引子145
3.4.4 Hopfield網絡的連接權設計146
3.4.5 Hopfield網絡應用于模式分類147
3.5 徑向基函數154
3.5.1 徑向基函數的網絡結構及工作方式155
3.5.2 徑向基函數網絡的特點及作用156
3.5.3 徑向基函數網絡參數選擇156
3.5.4 RBF網絡用于模式分類156
3.6 其他形式的神經網絡163
3.6.1 競爭型人工神經網絡——自組織競爭163
3.6.2 競爭型人工神經網絡——自組織特徵映射神經網絡（SOM）167
3.6.3 競爭型人工神經網絡——學習向量量化神經網絡（LVQ）170
3.6.4 概率神經網絡（PNN）173
3.6.5 CPN神經網絡的設計178
習題187
第4章 基於MATLAB的模糊神經網絡的應用188
4.1 神經網絡與模糊系統的結合188
4.1.1 模糊神經網絡的特點188
4.1.2 NeuroFuzzy與其他自適應技術的比較189
4.2 模糊神經網絡用于控制系統設計189
4.2.1 基於模糊神經網絡的控制器的結構189
4.2.2 神經模糊控制系統的MATLAB實現190
4.3 模糊神經網絡用于模式識別系統設計196
4.3.1 應用背景196
4.3.2 模糊神經網絡算法的原理197
4.3.3 基於MATLAB的模糊神經網絡分類器的設計與實現200
習題211
第5章 基於fuzzyTECH的模糊設計技術212
5.1 fuzzyTECH界面用戶化212
5.1.1 fuzzyTECH軟件界面212
5.1.2 界面用戶化設置213
5.1.3 視圖方式用戶化設置217
5.2 使用模糊設計向導設計“empty”模糊系統219
5.3 應用fuzzyTECH配置模糊系統223
5.3.1 模糊系統常見的結構和對象223
5.3.2 編輯對象224
5.3.3 定義文本對象225
5.3.4 定義語言變量225
5.3.5 定義隸屬度函數230
5.3.6 定義規則塊234
5.3.7 模糊規則公式236
5.4 使用優化選項優化模糊系統245
5.5 連接fuzzyTECH到其他應用249
5.6 基於fuzzyTECH的起重機模糊控制系統分析250
5.6.1 起重機模糊控制系統的用戶工具250
5.6.2 起重機的控制策略252
5.6.3 fuzzyTECH中的起重機模糊控制系統252
5.6.4 在fuzzyTECH中啟動起重機模糊控制系統255
5.6.5 fuzzyTECH中的響應分析255
5.6.6 模糊控制系統中的語言變量修改260
5.6.7 模糊邏輯規則的修改263
5.6.8 利用交互式調試模式進行系統測試266
5.7 fuzzyTECH的在線調試功能268
5.7.1 蒸汽鍋爐鼓輪仿真系統的操作269
5.7.2 蒸汽鍋爐鼓輪仿真系統模糊邏輯控制策略273
5.7.3 fuzzyTECH在線開發275
5.8 fuzzyTECH文件記錄與校正控制系統280
5.8.1 工程信息280
5.8.2 文檔生成器280
5.8.3 修正控制系統281
習題283
第6章 基於fuzzyTECH的NeuroFuzzy設計技術284
6.1 從采用數據文件產生模糊異或系統285
6.1.1 使用模糊設計向導產生一個模糊異或系統285
6.1.2 模糊系統的神經模糊網絡訓練——對異或系統進行訓練288
6.2 使用FuzzyCluster聚類294
6.2.1 聚類概念294
6.2.2 訓練CLUSTER1.CSV文件295
6.2.3 刪除冗余數據299
6.2.4 處理沖突數據300
6.2.5 顯示樣本文件302
6.2.6 模糊聚類303
6.3 fuzzyTECH中NeuroFuzzy訓練的計算305
6.3.1 模糊邏輯作為神經元305
6.3.2 模糊與神經網絡的知識表達306
6.4 fuzzyTECH中NeuroFuzzy學習模糊規則306
6.4.1 FAM規則306
6.4.2 訓練數據307
6.4.3 完成NeuroFuzzy網絡307
6.5 fuzzyTECH中NeuroFuzzy學習模糊化和解模糊化308
6.5.1 隸屬度函數的訓練308
6.5.2 學習方法309
6.6 fuzzyTECH中NeuroFuzzy的數據聚類310
6.6.1 消除數據沖突310
6.6.2 聚類算法310
6.6.3 一致性分析311
習題312
第7章 fuzzyTECH的應用313
7.1 數據采集313
7.1.1 系統分析313
7.1.2 記錄樣本數據315
7.2 數據聚類——C均值聚類317
7.2.1 C均值聚類的算法317
7.2.2 C均值聚類的MATLAB實現318
7.2.3 待聚類樣本的分類結果322
7.2.4 結論323
7.3 數據聚類——改進C均值聚類325
7.3.1 C均值改進算法的思想326
7.3.2 基於取樣思想的改進C均值算法327
7.3.3 運行結果330
7.3.4 結論333
7.4 數據聚類——模糊聚類333
7.4.1 模糊聚類應用背景333
7.4.2 基於MATLAB的GUI工具的模糊算法構建——數據模糊化333
7.4.3 基於MATLAB的GUI工具的模糊算法構建——FIS實現337
7.4.4 系統結果分析340
7.5 數據聚類——模糊C均值聚類342
7.5.1 模糊C均值聚類應用背景342
7.5.2 模糊C均值算法342
7.5.3 模糊C均值聚類的MATLAB實現343
7.5.4 模糊C均值聚類結果分析346
7.6 數據聚類——ISODATA算法概述聚類348
7.6.1 ISODATA算法應用背景348
7.6.2 用MATLAB實現ISODATA算法348
7.6.3 聚類結果353
7.6.4 ISODATA算法總結353
7.7 系統建立353
7.7.1 建立系統354
7.7.2 學習前系統的規則觀察及先驗規則的添加356
7.8 模糊神經網絡配置及學習過程仿真357
7.8.1 輸出變量的設置358
7.8.2 神經網絡訓練配置359
7.8.3 模糊神經網絡訓練360
7.8.4 系統的學習過程仿真362
7.8.5 學習后系統的變化363
7.8.6 系統的優化364
7.9 系統的性能調試、仿真及代碼生成365
7.9.1 系統的性能調試365
7.9.2 系統的仿真分析367
7.9.3 系統的代碼生成371
7.10 系統的工作過程分析372
7.10.1 確定系統所屬語言值372
7.10.2 確定所用的模糊規則及系統的輸出372
7.11 系統模糊神經模塊的結構及算法分析374
7.11.1 模糊模塊及模糊神經網絡模塊374
7.11.2 模糊神經網絡模塊376
7.11.3 模糊神經算法378
習題380
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。