內容簡介
動態模糊神經網路本書針對不同套用對象（系統辨識、預測、實時控制、模式識別等），提出了多個學習算法，這些算法以提高學習速度和增強泛化能力為中心，融合了線上學習、分級學習、動態自組織結構、修剪技術等一系列設計思想，從而使得這些算法既可用於離線訓練，也可用於實時學習和控制。
本書內容豐富而詳實，書末還附有MATLAB程式,可作為人工智慧、軟計算、數據挖掘、信息處理、數據分析、自動控制及模式識別等領域技術人員的參考書，也可作為相關專業的研究生教材。
目錄
緒論1
1.1模糊神經網路1
1.1.1模糊神經網路的提出1
1.1.2模糊神經網路的發展2
1.1.3模糊神經網路的分類3
1.2動態模糊神經網路4
1.2.1動態模糊神經網路的提出4
1.2.2動態模糊神經網路的含義與特點5
1.2.3動態模糊神經網路的套用5
本章參考文獻6
第2章模糊系統與神經網路回顧9
2.1模糊系統9
2.1.1模糊集9
2.1.2模糊規則9
2.1.3模糊推理系統11
2.1.4模糊系統作為非線性逼近13
2.1.5模糊系統存在的問題14
2.2神經網路15
2.2.1神經網路的特性15
2.2.2神經網路的組成15
2.2.3神經網路的學習算法16
2.2.4神經網路的結構與泛化能力17
2.2.5神經網路激活函式的選擇19
2.2.6徑向基（RBF）神經網路19
2.3模糊系統與神經網路21
2.3.1模糊系統與神經網路的知識處理22
2.3.2通用逼近器22
2.3.3模糊系統與神經網路的功能等價23
2.3.4模糊系統與神經網路的結合23
本章參考文獻24
第3章動態模糊神經網路27
3.1動態模糊神經網路的結構27
……
