模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)選編（4）

    第一章 模糊邏輯與模糊推理的基礎(chǔ)研究
    1.1論模糊性及其數(shù)學(xué)問題
    1.2模糊推理與模糊邏輯
    1.3基于落影表現(xiàn)理論的模糊條件語句的真域研究
    1.4布爾算子模糊邏輯中一種新的假說修正方法
    1.5模糊證據(jù)理論
   第二章 神經(jīng)網(wǎng)絡(luò)與模糊神經(jīng)網(wǎng)絡(luò)）
    2.1神經(jīng)網(wǎng)絡(luò)理論的發(fā)展與前沿問題
    2.2多層前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的研究進展
    2.3一種多層前饋網(wǎng)參數(shù)可分離學(xué)習(xí)算法
    2.4變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)
    2.5模糊神經(jīng)網(wǎng)絡(luò)理論研究綜述
    2.6一種混合模糊聯(lián)想記憶網(wǎng)絡(luò)
    2.7新模糊神經(jīng)網(wǎng)絡(luò)模型及其建模應(yīng)用研究
    2.8模糊小腦模型神經(jīng)網(wǎng)絡(luò)
    2.9神經(jīng)網(wǎng)絡(luò)模糊邏輯的軟硬件技術(shù)
   第三章 模式聚類、分類及識別中的模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)）
    3.1模糊聚類計算方法的理論分析
    3.2模糊聚類分析理論與應(yīng)用研究進展
    3.3模糊聯(lián)想分類器及其進化訓(xùn)練
    3.4基于混合遺傳訓(xùn)練方法的分類器參數(shù)設(shè)計
    3.5對圖形識別具有平移、旋轉(zhuǎn)、伸縮不變性的神經(jīng)網(wǎng)絡(luò)
    3.6一種模糊聚類模式識別方法及應(yīng)用
    3.7未確知系統(tǒng)的模糊模式識別
    3.8一種用于模式識別的新型多功能開關(guān)電流模糊處理器
   第四章 模糊控制、神經(jīng)網(wǎng)絡(luò)控制與智能控制）
    4.1神經(jīng)控制器的典型結(jié)構(gòu)
    4.2神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)控制研究
    4.3基于動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)穩(wěn)定控制器的設(shè)計
    4.4采用不同的模糊推理方法時典型模糊控制器的結(jié)構(gòu)分析
    4.5基于遺傳算法的模糊控制器設(shè)計
    4.6一種新的模糊控制器電路設(shè)計
    4.7學(xué)習(xí)控制技術(shù)、方法和應(yīng)用的發(fā)展新動向
    4.8智能控制理論分析與探索
   第五章 基于模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的知識處理與專家系統(tǒng)）
    5.1神經(jīng)網(wǎng)絡(luò)的知識處理
    5.2基于BP神經(jīng)網(wǎng)絡(luò)的模糊語言及其規(guī)則表示
    5.3基于人工神經(jīng)網(wǎng)絡(luò)的知識求精方法
    5.4一種基于神經(jīng)網(wǎng)絡(luò)的模糊知識自動獲取方法
    5.5自適應(yīng)模糊匹配模型及實現(xiàn)技術(shù)
    5.6基于FuzzyPetri網(wǎng)專家系統(tǒng)的研究
   第六章 模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)與工程設(shè)計）
    6.1用結(jié)構(gòu)可控神經(jīng)網(wǎng)絡(luò)作結(jié)構(gòu)分析
    6.2MCM劃分的自組織神經(jīng)網(wǎng)絡(luò)
    6.3基于特征的結(jié)構(gòu)分析有限元h型自適應(yīng)模糊控制算法
    6.4工程表決子系統(tǒng)的可靠性模糊優(yōu)化設(shè)計
   第七章 基于模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的智能化故障診斷）
    7.1故障診斷的智能模型研究述評
    7.2用于故障診斷的集成型智能系統(tǒng)
    7.3模糊故障樹分析方法
    7.4故障診斷專家系統(tǒng)的知識網(wǎng)絡(luò)設(shè)計
    7.5控制系統(tǒng)故障的智能診斷技術(shù)
   第八章 模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)與信息融合）
    8.1綜合智能信息處理——形勢、趨向、問題與突破口
    8.2模糊神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)融合中的應(yīng)用
    8.3信息融合模型的神經(jīng)網(wǎng)絡(luò)描述
    8.4模糊神經(jīng)延時Petri網(wǎng)絡(luò)的信息融合模型
    8.5基于模糊神經(jīng)網(wǎng)絡(luò)及證據(jù)推理的數(shù)據(jù)融合系統(tǒng)
   第九章 采用模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的運籌管理與決策方法）
    9.1綜合評判的神經(jīng)網(wǎng)絡(luò)方法
    9.2基于知識的綜合評價問題的模糊推理求解方法
    9.3求解模糊目標/資源問題的擬人化算法
    9.4具有一般信息結(jié)構(gòu)的模糊多屬性決策方法
    9.5決策支持系統(tǒng)中的不精確推理研究
    9.6基于模糊－神經(jīng)網(wǎng)絡(luò)的援例支持系統(tǒng)
   第十章 模糊邏輯、神經(jīng)網(wǎng)絡(luò)與遺傳算法）
    10.1軟計算中的協(xié)作和融合技術(shù)綜述
    10.2神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近理論
    10.3雜合遺傳算法與計算智能
    10.4進化神經(jīng)網(wǎng)絡(luò)研究進展
    10.5基于遺傳算法的神經(jīng)模糊網(wǎng)絡(luò)
   第十一章 文章摘要
    一、模糊邏輯與模糊推理的基礎(chǔ)研究
    1.1模糊邏輯的緊致性
    1.2布爾算子模糊邏輯中的刪除策略
    1.3模糊推理中的真值傳播研究
    1.4A→B對x的模糊a－真的新的充要條件
    1.5格值命題邏輯系統(tǒng)L（X）（I）、（Ⅱ）
    1.6雙枝模糊集（I）（Ⅱ）（III）
    1.7Fuzzy集合與集合套的T模交與S模并
    二、神經(jīng)網(wǎng)絡(luò)與模糊神經(jīng)網(wǎng)絡(luò)
    2.1BP神經(jīng)網(wǎng)絡(luò)的設(shè)計
    2.2一種提高BP算法學(xué)習(xí)速度的有效途徑
    2.3BP神經(jīng)網(wǎng)絡(luò)實際應(yīng)用中的若干問題
    2.4遺傳算法與神經(jīng)網(wǎng)絡(luò)模型的結(jié)合
    2.5基于遺傳算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    2.6神經(jīng)網(wǎng)絡(luò)中的逼近問題
    2.7模擬退火算法及其改進形式
    2.8一種新的聯(lián)想記憶系統(tǒng)及其學(xué)習(xí)收斂性
    2.9神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中”附加樣本”的技術(shù)
    2.10人工神經(jīng)網(wǎng)絡(luò)回歸建模方法及其應(yīng)用
    2.11一種推廣的模糊神經(jīng)網(wǎng)絡(luò)及學(xué)習(xí)算法
    2.12一種混合模糊聯(lián)想記憶網(wǎng)絡(luò)
    2.13新模糊神經(jīng)網(wǎng)絡(luò)模型及其建模應(yīng)用研究
    2.14模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)的隸屬函數(shù)初始化算法研究
    2.15基于遺傳算法的分布結(jié)構(gòu)模糊神經(jīng)網(wǎng)絡(luò)
    2.16神經(jīng)計算機的發(fā)展及其應(yīng)用
    2.17神經(jīng)計算機理論（III）、（IV）
    2.18一種快速BP算法的研究
    2.19聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)吸收區(qū)域的估計
    2.20區(qū)間估計的FWNN及其區(qū)間學(xué)習(xí)算法
    2.21一維雙向耦合映象網(wǎng)絡(luò)及其應(yīng)用
    2.22一種模糊規(guī)則動態(tài)調(diào)整BP算法中參數(shù)的方法
    三、模式聚類、分類及識別中的模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)
    3.1一種新的高效軟聚類方法：截集模糊C－均值（S2FCM）聚類算法
    3.2基于可能性分布的聚類有效性
    3.3一種模糊聚類模式識別方法及應(yīng)用
    3.4模糊聚類網(wǎng)中多對一映射的實現(xiàn)
    3.5一種基于加權(quán)模糊優(yōu)先相似法的聚類分析方法
    3.6一種結(jié)構(gòu)自適應(yīng)模糊聚類神經(jīng)網(wǎng)絡(luò)分類器的研究
    3.7模糊聚類計算方法的理論分析
    3.8小波包模糊聚類網(wǎng)絡(luò)研究及應(yīng)用
    3.9一種組合徑向基函數(shù)網(wǎng)絡(luò)結(jié)構(gòu)的分類方法
    3.10 基于混合遺傳訓(xùn)練方法的分類器參數(shù)設(shè)計
    3.11遺傳算法與神經(jīng)網(wǎng)絡(luò)在模式分類中的應(yīng)用
    3.12智能自動化的模式識別方法
    3.13一種用于模式識別的新型多功能開關(guān)電流模糊處理器
    3.14利用主元分析與神經(jīng)網(wǎng)絡(luò)進行人臉識別
    3.15通用前饋網(wǎng)絡(luò)及排序?qū)W習(xí)前向掩蔽模型在模式識別中的應(yīng)用
    3.16一種基于第二代開關(guān)電流技術(shù)的模式識別模糊處理器
    3.17基于神經(jīng)網(wǎng)絡(luò)子空間模式識別方法研究（I）
    3.18多層前饋模糊神經(jīng)網(wǎng)絡(luò)進行圖像識別
    3.19基于模糊算法的判決神經(jīng)網(wǎng)絡(luò)
    3.20模糊模式識別方法研究
    四、模糊控制、神經(jīng)控制與智能控制
    4.1人工神經(jīng)網(wǎng)絡(luò)－模糊控制研究近況
    4.2模糊控制器的硬件電路實現(xiàn)
    4.3模糊神經(jīng)網(wǎng)絡(luò)實現(xiàn)的PID參數(shù)自調(diào)整控制及應(yīng)用研究
    4.4采用模糊控制工具箱設(shè)計模糊控制器的方法
    4.5通用模糊控制器及其硬件電路實現(xiàn)
    4.6基于模塊化的模糊控制器算法功能設(shè)計
    4.7一類非線性系統(tǒng)迭代優(yōu)化神經(jīng)網(wǎng)絡(luò)控制器
    4.8一種自組織模糊神經(jīng)元網(wǎng)絡(luò)控制學(xué)習(xí)方法及其應(yīng)用
    4.9用BP算法實現(xiàn)模糊控制規(guī)則的自校正
    4.10智能控制中的模糊控制、神經(jīng)網(wǎng)絡(luò)控制及遺傳算法（上）
    4.11基于神經(jīng)網(wǎng)絡(luò)的非線性控制系統(tǒng)自組織辨識
    4.12基于遺傳算法的模糊控制器設(shè)計
    4.13模糊控制器一種快速算法
    4.14基于神經(jīng)網(wǎng)絡(luò)的模糊自適應(yīng)PID控制及其實現(xiàn)
    4.15一種無需對象模型的自適應(yīng)控制方法
    4.16一種基于GA的模糊控制器直接設(shè)計方法
    4.17基于遺傳算法的混沌系統(tǒng)模糊控制
    4.18模糊控制系統(tǒng)的穩(wěn)定性分析和設(shè)計方法研究
    4.19基于神經(jīng)網(wǎng)絡(luò)的仿人模糊智能控制
    4.20遺傳算法與模擬退火算法混合策略模糊控制的研究
    4.21基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)模糊控制器
    4.22基于多值邏輯電路和二值PLA的硬件模糊控制器
    4.23模糊邏輯控制系統(tǒng)分析與設(shè)計
    4.24遺傳算法在抽取和過濾模糊控制規(guī)則中的應(yīng)用研究
    4.25人機結(jié)合的模糊控制優(yōu)化設(shè)計
    4.26一種提高模糊控制器控制精度的方法
    4.27基于加速進化編程的非線性模糊控制系統(tǒng)的優(yōu)化設(shè)計
    4.28模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
    4.29基于模糊神經(jīng)網(wǎng)絡(luò)的辨識與控制技術(shù)的現(xiàn)狀及展望
    4.30模糊控制技術(shù)中的幾個問題
    4.31模糊PID增益調(diào)節(jié)器的算法、結(jié)構(gòu)及硬件實現(xiàn)
    4.32基于模糊控制規(guī)則自調(diào)整與自尋優(yōu)的模糊控制器
    4.33一種新型的模糊神經(jīng)網(wǎng)絡(luò)控制器
    4.34模糊控制的插值機理
    4.35基于強化學(xué)習(xí)的模糊自適應(yīng)控制器
    4.36連續(xù)非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)a階逆系統(tǒng)控制方法
    4.37基于PID神經(jīng)元多層網(wǎng)絡(luò)的多變量解耦控制系統(tǒng)
    4.39陶瓷窯溫度模糊控制系統(tǒng)的總體設(shè)計
    4.40電飯煲的模糊控制器
    4.41電冰箱模糊控制器的設(shè)計
    4.42電冰箱模糊控制的設(shè)計探討
    4.43全自動模糊控制洗衣機的設(shè)計
    4.44模糊控制技術(shù)在變頻空調(diào)器中的應(yīng)用
    4.45推理合成法在爐溫模糊控制系統(tǒng)中的應(yīng)用
    4.46模糊神經(jīng)網(wǎng)絡(luò)控制器及其在航天器姿態(tài)控制系統(tǒng)中的應(yīng)用研究
    4.47二自由度平面機械手的T－S模型模糊自適應(yīng)控制
    五、基于模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的知識處理與專家系統(tǒng)
    5.1一個基于符號神經(jīng)網(wǎng)絡(luò)的知識獲取系統(tǒng)
    5.2專家系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)的發(fā)展與結(jié)合
    5.3智能系統(tǒng)的綜合集成
    5.4并行工程中基于信任度的知識（信息）協(xié)同問題研究
    5.5模糊知識處理與專家系統(tǒng)
    5.6基于模糊性不確定性知識處理技術(shù)的研究與實現(xiàn)
    5.7基于實例的工藝知識獲取模型
    5.8動態(tài)模糊語義網(wǎng)及其并行執(zhí)行
    5.9廣義可能區(qū)間集及其在知識表示中的應(yīng)用
    5.10混合型神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
    5.11基于神經(jīng)網(wǎng)絡(luò)的專家規(guī)則推理系統(tǒng)
    5.12飛機總體外形設(shè)計中的模糊知識處理方法研究
    5.13高爐異常爐況判斷專家系統(tǒng)及神經(jīng)網(wǎng)絡(luò)的實現(xiàn)
    5.14新一代的地震預(yù)報專家系統(tǒng)NGESEP中的推理子系統(tǒng)
    5.15銑削加工過程多目標優(yōu)化專家系統(tǒng)
    5.16基于神經(jīng)網(wǎng)絡(luò)的控制專家系統(tǒng)開發(fā)環(huán)境的實現(xiàn)
    5.17選擇隧道施工方法的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
    5.18基于模糊推理的機械手表設(shè)計專家系統(tǒng)的研究
    六、基于模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)的可靠性與優(yōu)化設(shè)計
    6.1基于神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機零件可靠性優(yōu)化設(shè)計
    6.22K—H行星減速器的模糊可靠性優(yōu)化設(shè)計
    6.3四連桿打緯機構(gòu)的模糊優(yōu)化設(shè)計
    6.4機械優(yōu)化設(shè)計的Hopfield神經(jīng)網(wǎng)絡(luò)算法
    6.5受軸向變載緊螺栓組聯(lián)接的模糊可靠性優(yōu)化設(shè)計
    6.6擺線針輪行星減速器的模糊可靠性優(yōu)化設(shè)計
    6.7圓柱壓縮螺旋彈簧的模糊優(yōu)化設(shè)計
    6.8考慮模糊因素的結(jié)構(gòu)多目標優(yōu)化設(shè)計
    6.9谷氨酸流加發(fā)酵過程的神經(jīng)網(wǎng)絡(luò)優(yōu)化研究
    6.10機械系統(tǒng)的模糊可靠性
    七、基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的故障診斷技術(shù)
    7.1故障特征識別技術(shù)綜述
    7.2神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究
    7.3神經(jīng)網(wǎng)絡(luò)雙向推理策略研究及其在故障診斷中的應(yīng)用
    7.4基于神經(jīng)網(wǎng)絡(luò)及專家系統(tǒng)的混合診斷法
    7.5復(fù)雜系統(tǒng)故障診斷中的模糊聚類方法
    7.6一種模糊診斷的自適應(yīng)修正
    7.7一種自生成基函數(shù)模糊神經(jīng)元故障診斷模型及其應(yīng)用
    7.8FMS故障診斷專家系統(tǒng)的研究與開發(fā)
    7.9神經(jīng)網(wǎng)絡(luò)多參數(shù)診斷法及其應(yīng)用研究
    7.10基于神經(jīng)網(wǎng)絡(luò)的故障診斷
    7.11基于產(chǎn)生式人工神經(jīng)網(wǎng)絡(luò)的汽輪發(fā)電機組故障診斷專家系統(tǒng)研究
    7.12一種用于冷軋過程故障診斷的實時專家系統(tǒng)
    7.13包裝機械神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)故障診斷新方法
    7.14FMS故障診斷的模糊行為Petri網(wǎng)研究
    7.15 神經(jīng)網(wǎng)絡(luò)與模糊故障診斷專家系統(tǒng)結(jié)合的應(yīng)用研究
    7.16頻譜特征自動提取方法在旋轉(zhuǎn)機械故障診斷中的應(yīng)用
    7.17基于模糊神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷新方法
    7.18汽輪發(fā)電機組故障診斷的復(fù)合式進化網(wǎng)絡(luò)
    7.19基于模糊神經(jīng)網(wǎng)絡(luò)的機械故障診斷方法的研究
    7.20模糊自組織神經(jīng)網(wǎng)絡(luò)在汽輪機轉(zhuǎn)子故障診斷中的應(yīng)用
    7.21金屬結(jié)構(gòu)故障診斷的模糊專家系統(tǒng)研究
    7.22模糊診斷技術(shù)在旋轉(zhuǎn)機械設(shè)備故障診斷中的應(yīng)用
    八、信息數(shù)據(jù)處理中的模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)
    8.1基于模糊信息的信息融合及決策
    8.2模糊聚合及遺傳算法在多傳感器數(shù)據(jù)融合中的應(yīng)用
    8.3要素空間方法與全源信息融合技術(shù)基礎(chǔ)
    8.4決策融合的模糊積分方法
    8.5基于模糊神經(jīng)網(wǎng)絡(luò)的分布式多傳感器多目標信息融合
    8.6一種具有信息融合功能的模糊推理方法
    8.7神經(jīng)網(wǎng)絡(luò)在圖像壓縮編碼中的應(yīng)用研究
    8.8基于模糊算法的圖像處理新方法
    8.9一種基于小波變換的圖像壓縮方法
    8.10用人工智能和神經(jīng)網(wǎng)絡(luò)的方法組建數(shù)據(jù)壓縮系統(tǒng)
    8.11基于估計熵的模糊濾波
    8.12模糊數(shù)據(jù)發(fā)掘的研究
    九、模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)與管理決策
    9.1一種基于模糊集理論的群決策綜合評判方法
    9.2一般未確知數(shù)在模糊綜合評判中的應(yīng)用
    9.3模糊環(huán)境下的優(yōu)化決策
    9.4系統(tǒng)模糊決策優(yōu)選的閾值及應(yīng)用
    9.5層次模糊決策法及其在生態(tài)環(huán)境評價中的應(yīng)用
    9.6應(yīng)用模糊集和神經(jīng)網(wǎng)絡(luò)的城市評價決策支持系統(tǒng)
    9.7決策風(fēng)格及一種模糊決策方法
    9.8產(chǎn)品開發(fā)與計算機輔助決策分析方法研究
    9.9并行設(shè)計的模糊決策及其決策系統(tǒng)
    9.10一種基于專家模糊偏好集結(jié)的群決群策方法
    9.11一個基于人工神經(jīng)元網(wǎng)絡(luò)的決策支持系統(tǒng)
    9.12大系統(tǒng)決策論研究及其應(yīng)用