模糊技術(shù)與神經(jīng)網(wǎng)絡技術(shù)選編（5）

第一章 模糊邏輯與模糊系統(tǒng)的基礎研究
1.1 模糊性的層次特征與模糊論
1.2 通用不確定性推理模型
1.3 模糊推理的全蘊涵三I算法
1.4 基于模糊認知圖的因果推理
1.5 一類模糊系統(tǒng)的逼近問題
1.6 基于神經(jīng)網(wǎng)絡的模糊邏輯推理系統(tǒng)模型
1.7 模糊聯(lián)想推理及其實現(xiàn)
第二章 神經(jīng)網(wǎng)絡與模糊神經(jīng)網(wǎng)絡
2.1 ANN應當怎樣向BNN學習
2.2 智能模擬神經(jīng)網(wǎng)絡的發(fā)展新動向
2.3 容錯神經(jīng)網(wǎng)絡研究
2.4 徑向基神經(jīng)網(wǎng)絡的構(gòu)造理論
2.5 開關(guān)電流神經(jīng)網(wǎng)絡
2.6 智能學習技術(shù)及其應用
2.7 模糊神經(jīng)網(wǎng)絡研究
2.8 一種模糊神經(jīng)計算模型：結(jié)構(gòu)、算法與功能
2.9 模糊神經(jīng)網(wǎng)絡的一種混合遞推學習算法
2.10 人工神經(jīng)網(wǎng)絡：當前的進展與問題
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)絡技術(shù)
3.1 利用神經(jīng)網(wǎng)絡發(fā)現(xiàn)分類規(guī)則
3.2 神經(jīng)網(wǎng)絡用于模式識別分類的改進算法
3.3 區(qū)間值數(shù)據(jù)模糊c-均值聚類新算法
3.4 模糊聚類分析的傳遞方法
3.5 基于證據(jù)理論模糊推理的多傳感器信息融合海上目標識別
第四章 模糊控制、神經(jīng)網(wǎng)絡控制與智能控制
4.1 現(xiàn)代控制技術(shù)的理論、應用與發(fā)展趨勢
4.2 自適應模糊變結(jié)構(gòu)控制的研究
4.3 基于遺傳算法的模糊系統(tǒng)優(yōu)化設計方法
4.4 一種新復用型模糊控制器VLSI設計
4.5 基于模糊-神經(jīng)融合的自適應模糊控制系統(tǒng)研究
4.6 基于遺傳算法的模糊神經(jīng)網(wǎng)絡智能控制器及其應用
4.7 仿人智能控制與模糊控制神經(jīng)網(wǎng)絡融合技術(shù)
4.8 一種高效的模糊規(guī)則自動生成方法
4.9 變論域自適應模糊控制器
第五章 基于模糊技術(shù)和神經(jīng)網(wǎng)絡技術(shù)的知識處理與專家系統(tǒng)
5.1 智能混合系統(tǒng)研究綜述
5.2 基于神經(jīng)網(wǎng)絡的符號知識獲取方法
5.3 利用模糊神經(jīng)網(wǎng)絡進行數(shù)據(jù)挖掘的一種算法
5.4 基于因素空間和模糊聚類的概念形成方法
5.5 模糊傳感器概念生成方法的研究
第六章 模糊技術(shù)、神經(jīng)網(wǎng)絡技術(shù)與工程設計
6.1 智能設計體系結(jié)構(gòu)的研究
6.2 工程設計智能混合系統(tǒng)
6.3 機械結(jié)構(gòu)的多目標模糊優(yōu)化方法
6.4 結(jié)構(gòu)分析有限元系統(tǒng)與神經(jīng)網(wǎng)絡
6.5 機械模糊可靠性計算方法的研究
6.6 一種基于離散馬爾科夫模型的神經(jīng)網(wǎng)絡可靠性設計方法
6.7 工程系統(tǒng)設計方案多目標灰色關(guān)聯(lián)度決策模型及其應用的研究
6.8 流程工業(yè)中模糊控制和故障診斷的建模及網(wǎng)絡綜合集成
第七章 基于模糊邏輯與神經(jīng)網(wǎng)絡的故障診斷技術(shù)
7.1 智能故障診斷技術(shù)的發(fā)展和展望
7.2 多Agent診斷系統(tǒng)的幾個問題研究
7.3 基于因素空間理論的故障診斷數(shù)學模型及其應用
7.4 基于模型的故障診斷中的模糊建模和推理
7.5 基于規(guī)則的模糊神經(jīng)網(wǎng)絡故障診斷專家系統(tǒng)
7.6 基于可能性理論的設備故障診斷
7.7 智能理論在BIT設計與故障診斷中的應用
第八章 模糊技求、神經(jīng)網(wǎng)絡技術(shù)與信息處理
8.1 信息及其數(shù)學表達
8.2 一種基于模糊理論的一致性數(shù)據(jù)融合方法
8.3 基于神經(jīng)網(wǎng)絡的多傳感器信息融合技術(shù)
8.4 基于遺傳算法的多傳感器數(shù)據(jù)融合
8.5 基于神經(jīng)網(wǎng)絡的多傳感器自適應濾波
第九章 采用模糊技術(shù)和神經(jīng)網(wǎng)絡技術(shù)的運籌管理與決策方法
9.1 神經(jīng)網(wǎng)絡在預測中的一些應用研究
9.2 兩層多目標決策問題的模糊交互式?jīng)Q策方法
9.3 多目標多層次系統(tǒng)多維模糊決策理論模型
9.4 帶約束兩級遺傳算法編制模糊化生產(chǎn)計劃及FMS調(diào)度
9.5 一種基于神經(jīng)網(wǎng)絡的生產(chǎn)調(diào)度方法
9.6 一種基于滿意度的模糊層次分析評估方法
9.7 概率和模糊條件下談判報價模型
第十章 模糊邏輯、神經(jīng)網(wǎng)絡與遺傳算法
10.1 基于嵌入混沌序列的遺傳算法
10.2 遺傳算法與神經(jīng)網(wǎng)絡的結(jié)合
10.3 融合神經(jīng)網(wǎng)絡的一種改進遺傳算法
10.4 基于模糊優(yōu)選的多目標優(yōu)化遺傳算法
10.5 用于前饋神經(jīng)網(wǎng)絡的遺傳設計
第十一章 文章摘要
一、模糊邏輯與模糊系統(tǒng)的基礎研究
1.1 模糊邏輯的研究
1.2 基于信息分配技術(shù)的模糊推理方法
1.3 關(guān)于模糊語義緊致性的若干定理
1.4 布爾算子模糊邏輯中一種新的假說修正方法
1.5 模糊思辨邏輯系統(tǒng)
1.6 模糊度與貼近度的關(guān)系研究
1.7 加權(quán)抽取模糊算法及其應用
1.8 一種保證隸屬函數(shù)完備性和模糊集合語義一致性的學習方法
1.9 模糊邏輯中一些問題的探討
二、神經(jīng)網(wǎng)絡與模糊神經(jīng)網(wǎng)絡
2.1 模糊神經(jīng)網(wǎng)絡研究
2.2 一種模糊神經(jīng)網(wǎng)絡的改進學習算法
2.3 一種基于遺傳算法的模糊神經(jīng)網(wǎng)絡結(jié)構(gòu)和參數(shù)優(yōu)化
2.4 基于模糊邏輯推理的BP神經(jīng)網(wǎng)絡及其應用
2.5 最大-乘積型模糊聯(lián)想記憶網(wǎng)絡的最大最小編碼學習算法
2.6 模糊神經(jīng)網(wǎng)絡問題解決方法分析
2.7 一種基于神經(jīng)網(wǎng)絡的自組織模糊系統(tǒng)
2.8 模糊神經(jīng)網(wǎng)絡及其在時間序列分析中的應用
2.9 模糊對向傳播神經(jīng)網(wǎng)絡的學習算法
2.10 模糊神經(jīng)網(wǎng)絡研究
2.11 用模糊邏輯方法優(yōu)化多層前饋網(wǎng)絡結(jié)構(gòu)
2.12 模糊雙向聯(lián)想記憶的穩(wěn)定性與容錯性
2.13 模糊系統(tǒng)和神經(jīng)網(wǎng)絡的融合技術(shù)
三、模式聚類、分類及識別中的模糊技術(shù)與神經(jīng)網(wǎng)絡技術(shù)
3.1 模糊聚類中的模糊等價矩陣
3.2 應用模糊信息融合實現(xiàn)目標物體的分類
3.3 一個基于模糊神經(jīng)網(wǎng)絡的模式分類系統(tǒng)
3.4 基于證據(jù)理論的模式識別算法
3.5 模糊灰關(guān)聯(lián)模式識別方法及其應用
3.6 多字體字符識別的模糊神經(jīng)網(wǎng)絡模型
3.7 模糊聚類分析的傳遞方法
3.8 基于多階段的模糊C-均值算法的模糊聚類分析研究
3.9 一種多類原型模糊聚類的初始化方法
3.10 一種基于遺傳算法的混合聚類技術(shù)
3.11 心電圖的智能識別技術(shù)
3.12 模糊自組織神經(jīng)網(wǎng)絡在語音識別中的應用
四、模糊控制、神經(jīng)網(wǎng)絡控制與智能控制
4.1 模糊控制回顧與前瞻
4.2 一種模糊神經(jīng)網(wǎng)絡自適應預測控制方案的研究
4.3 基于遺傳算法的動態(tài)模糊模型辨識非線性系統(tǒng)方法
4.4 模糊控制的系統(tǒng)化設計和穩(wěn)定性分析
4.5 一種使用遺傳算法生成模糊控制器的方法
4.6 基于通用數(shù)模電路的模糊控制器硬件實現(xiàn)
4.7 一種實用模糊控制器的研制
4.8 基于神經(jīng)網(wǎng)絡的模糊參數(shù)自校正控制系統(tǒng)
4.9 模糊系統(tǒng)解耦的充分條件
4.10 模糊控制系統(tǒng)的穩(wěn)定性
4.11 自適應模糊滑模控制器的設計與分析
4.12 非線性系統(tǒng)模糊滑?？刂破鞯脑O計
4.13 模糊控制隸屬函數(shù)的優(yōu)化算法及其應用
4.14 基于遺傳算法的模糊神經(jīng)控制及其應用
4.15 粗糙集理論及其在智能控制領(lǐng)域的應用前景
4.16 基于模糊-神經(jīng)融合的自適應模糊控制系統(tǒng)研究
4.17 遺傳算法優(yōu)化模糊控制器及其在非線性系統(tǒng)中的應用
4.18 基于遺傳算法的模糊神經(jīng)網(wǎng)絡控制器設計及其穩(wěn)定性分析
4.19 模糊控制系統(tǒng)的穩(wěn)定區(qū)域及其確定方法
4.20 模糊滑模變結(jié)構(gòu)控制系統(tǒng)的研究
4.21 作為通用逼近子的模糊系統(tǒng)及其逼近性質(zhì)
4.22 模糊控制與神經(jīng)控制的比較
4.23 基于Fuzzy函數(shù)逼近的柔性模糊控制器論域壓縮算法
4.24 分散自適應模糊滑模控制器的設計與分析
4.25 降階模糊控制算法及其應用研究
4.26 變結(jié)構(gòu)模糊神經(jīng)網(wǎng)絡控制及其學習規(guī)律研究
4.27 基于神經(jīng)網(wǎng)絡的模糊控制器
4.28 通用模糊控制器的研究與設計
4.29 一種進化模糊邏輯控制器的新方法
4.30 模糊控制智能開發(fā)系統(tǒng)
4.31 基于遺傳算法的多變量模糊控制器的設計方法
4.32 一種新的魯棒自適應模糊控制器的設計及性能分析
4.33 一種自組織模糊控制算法及其實現(xiàn)
4.34 復雜系統(tǒng)的C－R模糊模型結(jié)構(gòu)及遞推辨識算法
4.35 多變量模糊系統(tǒng)建模與控制理論
4.36 模糊控制器參數(shù)調(diào)整的產(chǎn)生式方法
4.37 一種預測模糊集成控制系統(tǒng)的設計方法
4.38 基于多層前向網(wǎng)絡的模糊規(guī)則自動生成
4.30 改善模糊控制器性能的若干途徑
4.40 基于模糊推理專用芯片的自適應PID調(diào)節(jié)器
4.41 模糊控制研究的現(xiàn)狀與新發(fā)展
4.42 一種基于自適應神經(jīng)元的模糊變結(jié)構(gòu)控制器
4.43 變頻空調(diào)機的模糊控制器設計
4.44 智能控制研究動態(tài)
4.45 改善模糊神經(jīng)網(wǎng)絡控制器性能的新方法——混合遺傳算法
4.46 熱力系統(tǒng)模糊控制軟件開發(fā)系統(tǒng)的研究
4.47 可編程模糊邏輯控制器芯片的設計
4.48 一種簡易實用的專家智能控制器
4.49 基于遺傳算法的模糊神經(jīng)網(wǎng)絡智能控制器及其應用
五、基于模糊技術(shù)和神經(jīng)網(wǎng)絡技術(shù)的知識處理與專家系統(tǒng)
5.1 模糊聯(lián)想記憶系統(tǒng)規(guī)則提取的新方法
5.2 基于模糊推理的專家系統(tǒng)設計與實現(xiàn)
5.3 一種基于RoughSets和模糊神經(jīng)網(wǎng)絡的規(guī)則獲取的方法
5.4 動態(tài)模糊專家數(shù)據(jù)庫系統(tǒng)的設計
5.5 基于因素空間和模糊聚類的概念形成方法
5.6 一種模糊知識庫的數(shù)據(jù)描述方法
5.7 模糊再設計專家系統(tǒng)開發(fā)工具的研究和開發(fā)
5.8 一種基于模糊神經(jīng)網(wǎng)絡的專家系統(tǒng)推理的方法
5.9 模糊解釋結(jié)構(gòu)模型
5.10 模糊規(guī)則提取的兩種方法性能分析
5.11 認知空間上的智能系統(tǒng)FDSS
5.12 信度理論的擴張與一個審定損害的專家系統(tǒng)
六、模糊技術(shù)、神經(jīng)網(wǎng)絡技術(shù)與工程設計
6.1 模糊可靠度計算模型
6.2 基于模糊集和證據(jù)推理的武器系統(tǒng)可靠性評估
6.3 產(chǎn)品開發(fā)過程中模糊神經(jīng)網(wǎng)絡規(guī)則提取及模糊控制
6.4 一種基于模糊重要度的多目標優(yōu)化設計方法
6.5 系統(tǒng)可靠性分配有效方法
6.6 模糊可靠性優(yōu)化設計及其在蝸桿傳動中的應用
6.7 智能結(jié)構(gòu)控制發(fā)展綜述
6.8 機械產(chǎn)品方案設計中模糊知識表示與推理策略的研究
6.9 基于模糊神經(jīng)網(wǎng)絡的多方案優(yōu)選方法的研究
6.10 多目標結(jié)構(gòu)模糊優(yōu)化的分層序列法
6.11 機械系統(tǒng)模糊可靠性隨機模擬
6.12 零件配合設計中模糊推理技術(shù)的研究
6.13 機械結(jié)構(gòu)的多目標模糊優(yōu)化方法
6.14 流程工業(yè)中模糊控制和故障診斷的建模及網(wǎng)絡綜合集成
6.15 模糊綜合評判在多目標優(yōu)化設計中的應用
6.16 結(jié)構(gòu)強度的模糊可靠性分析與計算
6.17 基于工程實例的推理策略——綜合評判研究
6.18 多目標結(jié)構(gòu)模糊優(yōu)化中的一種非線性方法
七、基于模糊技術(shù)和神經(jīng)網(wǎng)絡技術(shù)的故障診斷技術(shù)
7.1 工程系統(tǒng)模糊故障診斷現(xiàn)狀
7.2 基于模型的故障診斷中的模糊建模和推理
7.3 Fuzzy ART及其在故障診斷中的應用
7.4 基于模糊系統(tǒng)與神經(jīng)網(wǎng)絡融合的故障診斷方法
7.5 用神經(jīng)網(wǎng)絡提取模糊診斷知識的方法
7.6 基于知識與模糊神經(jīng)網(wǎng)絡的故障診斷技術(shù)
7.7 基于模糊神經(jīng)網(wǎng)絡的智能診斷系統(tǒng)的研制
7.8 利用人工神經(jīng)網(wǎng)絡的故障診斷的模糊分類
7.9 小波-神經(jīng)網(wǎng)絡-模糊識別在旋轉(zhuǎn)機械故障診斷中的應用研究
7.10 模糊信息處理技術(shù)在故障診斷中的應用
7.11 機械故障模糊診斷中模糊矩陣的可視化處理與分析
7.12 基于模糊神經(jīng)網(wǎng)絡的機械故障診斷研究
7.13 一種機械故障診斷的知識獲取工具
7.14 故障診斷專家系統(tǒng)中的模糊推理算法
7.15 失效模式及影響分析中的模糊推理方法
7.16 一種基于實例的故障混合診斷方法
7.17 中醫(yī)模糊診斷方法
7.18 一種故障樹模糊重要度分析的新方法
7.19 汽車發(fā)動機故障診斷模糊專家系統(tǒng)研究
八、模糊技術(shù)、神經(jīng)網(wǎng)絡技術(shù)與信息處理
8.1 多傳感器模糊-概率交互作用的數(shù)據(jù)關(guān)聯(lián)算法
8.2 模糊冗余度及其應用
8.3 一種基于模糊理論的一致性數(shù)據(jù)融合方法
8.4 基于模糊積分的信息融合研究
8.5 一種有參數(shù)學習能力的決策融合方法
8.6 模糊信息處理與模糊神經(jīng)網(wǎng)絡
九、采用模糊技術(shù)和神經(jīng)網(wǎng)絡技術(shù)的運籌管理與決策方法
9.1 模糊假言推理確定施工工期
9.2 模糊逼近算法與人工神經(jīng)網(wǎng)絡預測功能
9.3 新產(chǎn)品開發(fā)方案的模糊綜合評價法
9.4 群決策中模糊偏好集結(jié)的軟技術(shù)
9.5 一種多指標綜合評價合成技術(shù)方法研究
9.6 模糊一致矩陣在多層次，多因素決策方案優(yōu)選中的應用
9.7 多目標線性規(guī)劃模糊決策的加權(quán)集成方法
9.8 模糊系統(tǒng)綜合評判模型
9.9 人機界面的模糊多層次綜合評價
9.10 工作分派問題的一種模糊決策模型
9.11 多目標系統(tǒng)模糊決策理論在并行工程中的應用
9.12 自適應優(yōu)化的模糊預測系統(tǒng)及其應用
9.13 模糊關(guān)系積在群決策中的應用
9.14 多目標多層次系統(tǒng)多維模糊決策理論模型
9.15 神經(jīng)網(wǎng)絡多指標綜合評價方法研究
9.16 時間序列模糊滑動預測
9.17 多目標群決策問題的交互式模糊規(guī)劃規(guī)劃方法
9.18 一類總體方案支持模糊決策系統(tǒng)的研究
9.19 模糊數(shù)計算非肯定型網(wǎng)絡計劃
9.20 模糊優(yōu)化最優(yōu)水平值的灰色模糊綜合評判
9.21 模糊決策樹歸納算法及應用
十、模糊邏輯、神經(jīng)網(wǎng)絡與遺傳算法
10.1 一門新學科——計算智能
10.2 基于遺傳算法的模糊系統(tǒng)優(yōu)化設計方法
10.3 基于模糊優(yōu)選的多目標優(yōu)化遺傳算法
10.4 加快遺傳模糊算法的搜索過程