內容介紹
內容簡介本書是一部將模糊邏輯與神經網路進行結合研究的論著，介紹了作者近年來在模糊邏輯與神
經網路的結合研究與探索中的部分研究成果與心得體會。全書共分五篇，內容包括：智慧型模擬中的
模糊邏輯與神經網路；模糊命題邏輯與模糊謂詞邏輯；神經網路基本概念、機理與系統理論；模糊
系統與模糊神經網路；因素神經網路的基本概念與理論，解析型因素神經網路和模擬型因素神經
網路。
本書為國家八五重點科技圖書之一。對其工程套用與具體實現，將在本書的姐妹篇《模糊邏輯
與神經網路―一工程套用及實現技術》一書中進行論述。
本書適合於從事智慧型科學、系統科學、計算機科學、套用數學、信息及自動控制等領域研究的
廣大科技人員和工程技術人員閱讀，也可作為大學同類專業高年級大學生和研究生的參考書。
作者介紹
劉增良1958年5月生於河北深澤，數學博士、計算機博
士後、指揮自動化與現代運籌學
博士導師，北京高校（青年）學科
帶頭人，任（模糊技術與套用叢
書》主編，《博士叢書》副主編，中
國博士聯誼會執行理事長，國家
模糊技術標準化專家組成員等
職。曾受聘國際ICIK’95會議
程式委員會主席、青年科學家論
壇（第七次）主席等。在模糊信
息和智慧型工程理論研究方面，先
後主持承擔了國家自然科學基
金、國家863計畫及中國博士後
科學基金等10餘項研究課題，
提出了因素神經網路理論，研製
了模糊控制計算機系統等一批
研究成果。已有8項成果獲全
軍省部級科技進步獎，其中6項
成果是第一獲獎人和項目主持
人。在國內外發表論文30餘
篇，已出版專著4部。
作品目錄
目錄序篇 智慧型模擬中的模糊邏輯與神經網路
0.1智慧型和智慧型系統的主要特徵
0.1.1什麼是智慧型和智慧型系統的主要特徵
0.1.2完善智慧型系統的主要特點
0.2實現智慧型模擬的前提性條件
0.2.1智慧型模擬實現的目標與前提
0.2.2完備的智慧型模擬工程系統
0.3智慧型模擬中的模糊技術與神經網路技術
0.3.1智慧型模擬中的心理模式與生理模式
0.3.2智慧型模擬中的神經網路技術
0.3.3智慧型模擬中的模糊技術
0.4自適應模糊系統與因素神經網路理論
0.5本書的目標和內容安排
第一篇 模糊邏輯
第一章 模糊邏輯的集合論基礎
1.1CONTOR集合與模糊集合
1.1.1CONTOR集合及其本質特徵
1.1.2模糊集合及其表示方法
1.2模糊集合上的運算及其性質
1.2.1模糊集合的基本運算
1.2.2模糊集合上的一些特殊運算
1.3模糊集合與普通集合間的轉化
1.3.1模糊集的截集與集合套
1.3.2分解定理和表現定理
1.4模糊關係與模糊等價關係
1.4.1關係與模糊關係
1.4.2模糊關係的合成
1.4.3模糊等價關係
1.5模糊映射與擴展原理
1.5.1映射與模糊映射
1.5.2模糊映射與擴展原理
1.6廣義模糊集
1.6.1區間數與模糊數
1.6.2語言值模糊集
1.6.3格模糊集與高階模糊集
第二章 模糊命題邏輯
2.1模糊命題及其真值表示方法
2.1.1命題與模糊命題
2.1.2模糊命題真值的表示方法
2.1.3複合模糊命題
2.2模糊命題邏輯及其合式公式
2.2.1幾種典型三值邏輯簡介
2.2.2狹義模糊邏輯
2.2.3模糊命題邏輯的合式公式
2.2.4模糊命題邏輯公式的範式與化簡
2.3狹義模糊命題演算及推理系統
2.4區間值模糊命題邏輯
2.4.1基於區間值模糊命題的不精確性知識描述
2.4.2區間值模糊命題邏輯
2.4.3不確定性區間值模糊推理
2.5語言值模糊邏輯與自然語言型推理
2.5.1語言值模糊邏輯與分布值模糊邏輯
2.5.2自然語言型模糊推理
第三章 模糊謂詞邏輯
3.1模糊謂詞與模糊謂詞邏輯中的合式公式
3.1.1謂詞與模糊謂詞
3.1.2模糊謂詞邏輯中的合式公式
3.2模糊謂詞邏輯的等值演算
3.3基於模糊謂詞邏輯的模糊推理
3.3.1無約束變元時的模糊謂詞邏輯演算及推理系統
3.3.2考慮變元約束時的模糊謂詞邏輯等值演算與推理
第四章 關於模糊邏輯的理論研究
4.1格值（模糊）邏輯
4.1.1有關格的一些基本概念
4.1.2格值（模糊）邏輯及其合式公式
4.1.3格值邏輯公式的化簡
4.2運算元模糊邏輯
4.2.1運算元格與運算元模糊邏輯公式
4.2.2運算元模糊邏輯中的範式與λ－歸結
第二篇 神經網路基本理論
第五章 人工神經網路的生物基礎
5.1生物神經元與神經網路
5.1.1生物神經元的生理結構與功能結構
5.1.2生物神經元間信息傳遞的機制與生物神經網路的構成
5.2大腦的生理模型及其信息處理機制
5.2.1大腦的生理模型與功能結構
5.2.2人腦進行信息處理的機制與特性
5.3關於思維和記憶的一些研究和猜測
5.3.1對大腦學習和記憶機理的一些認識
5.3.2對意識和思維過程的一種猜測模型
第六章 人工神經網路的基本模型
6.1基本人工神經元及其網路模組
6.1.1人工神經元的基本模型
6.1.2人工神經網路及其主要類型
6.2能實現映射變換的三層前饋型BP網路
6.2.1BP網路的數學模型
6.2.2BP網路的學習算法
6.2.3對BP網路及其學習算法的一些改進
6.3可實現聯想記憶的Hopfield網路
6.3.1Hopfield網路的數學模型
6.3.2Hopfield網路的動態穩定性
6.3.3連續型Hopfield網路及其穩定性
6.4隨機型BM網路
6.4.1BM網路的功能結構
6.4.2BM網路的運行機理和學習算法
6.5其他典型聯想記憶網路模型
6.5.1單向線性聯想存儲器
6.5.2雙向聯想記憶網路
6.6對向傳播（CP）網路
6.6.1三層對向傳播網路的數學模型
6.6.2三層對向傳播網路的學習過程
第七章 神經網路的軟硬體實現
7.1電子神經元器件的基本結構與實現技術
7.1.1模擬神經元器件的基本結構與實現技術
7.1.2基於電流模式的模擬實現方法
7.1.3數字神經元器件的基本結構與實現技術
7.2光神經器件的實現技術
7.2.1光神經器件實現的一些基本技術
7.2.2光神經器件的基本結構與實現
7.3神經網路的軟體實現方法
7.3.1利用已有的神經網路軟體開發環境開發神經網路軟體
7.3.2利用專門的神經網路描述語言開發神經網路軟體
7.3.3使用通用計算機程式語言開發神經網路軟體
第八章 神經網路系統理論
8.1神經網路系統的動力學穩定特性
8.2網路系統的吸引子與吸引域分析
8.3網路的隨機穩定性（機率統計的觀點）
8.4神經網路的熵理論
8.4.1能量與熵
8.4.2同步並行計算時的熵變規律
8.4.3異步串列計算時的熵變規律
第三篇 模糊神經網路
第九章 模糊信息處理與模糊神經網路
9.1模糊信息處理的神經網路方法
9.2基本模糊神經元及模糊神經網路模型
9.2.1幾種基本模糊神經元
9.2.2前向型模糊神經網路與反饋型模糊神經網路
第十章 模糊推理網路
10.1模糊推理模型的表達方法
10.1.1模糊關係模型的數學描述
10.1.2模糊關係模型的化簡與規則型模糊推理
10.2模糊推理的神經網路實現方法
10.2.1前饋型模糊神經網路的基本構成
10.2.2神經網路與模糊推理協作系統
第十一章 模糊聯想記憶網路
11.1模糊記憶與模糊聯想存儲器
11.1.1模糊自聯想存儲器
11.1.2模糊異聯想存儲器
11.2模糊異聯想存儲器多模式對聯想存儲學習算法的最佳化
11.2.1模糊赫布型學習規則的特徵與不足
11.2.2多模式對聯想記憶學習的最佳化算法
11.3模糊雙向聯想記憶與推理網路
11.3.1模糊雙向聯想記憶與推理網路的基本性能
11.3.2模糊雙向聯想記憶與推理網路的動態分析及穩定特性
第十二章 基於模糊神經網路的模糊規則提取
12.1模糊系統的聯接主義表達與特點
12.2模糊規則提取的神經網路方法
12.3對提取規則的置信度估計
第四篇 因素神經網路理論
第十三章 知識的因素表示理論
13.1因素與因素空間
13.1.1事物、因素及因素狀態
13.1.2因素間的關係與運算
13.1.3事物與因素的關係描述
13.1.4事物的層次結構與識別因素（開關因素）
13.1.5因素狀態空間及其分類
13.1.6事物因素分析的一般步驟
13.1.7因素空間及其初步性質
13.2知識的因素表示方法
13.2.1知識、智慧型及其數學描述
13.2.2知識的因素表示模式
13.2.3概念的因素表示方法
13.2.4推理、判斷的因素表示
13.2.5因素推理模式的真值流解釋
第十四章 因素神經元與因素神經網路
14.1選用因素神經元作為知識表示基本模式的一些考慮
14.2因素神經元形式化定義及意義
14.2.1因素神經元形式化定義
14.2.2關於因素神經元形式化定義的幾點說明
14.3因素神經網路形式化定義及其類型
14.3.1因素神經網路形式化定義
14.3.2對因素神經網路定義的幾點解釋
14.3.3因素神經網路的主要類型
第十五章 幾種典型因素神經元及其網路
15.1點值（單一數值）型因素神經元及其網路
15.1.1一類二值型因素神經元的形式化定義
15.1.2二值型因素神經元的電子實現方法
15.1.3二值型因素神經元及其網路可實現的函式性質研究
15.1.4二值命題邏輯運算的二值型因素神經網路等價實現方法
15.1.5一類連續值因素神經元及其性質
15.1.6連續值因素神經網路對任意邏輯函式關係的可實現性
15.1.7連續值因素神經元的電子實現
15.1.8模糊綜合決策問題的連續值因素神經網路實現
15.2區間值因素神經元及其網路
15.2.1區間值因素函式與區間值邏輯函式
15.2.2一類區間值型因素神經元定義及其性質
15.2.3區間值因素神經元的電子實現
15.2.4一類區間值不精確推理及其區間值因素神經網路實現
15.2.5不確定性區間值推理網路的學習算法
15.3分布值因素神經元及其網路
15.3.1分布值函式與分布值邏輯
15.3.2一種分布值（模糊語言值）因素神經元定義及其簡單性質
15.3.3分布值（模糊語言值）因素神經元的電子實現
15.3.4分布值（模糊語言值）因素神經元套用舉例
第十六章 解析型因素神經網路
16.1解析型因素神經網路描述模型的構建
16.1.1以對象為基礎的系統描述方法
16.1.2對象的模糊劃分與模糊關係
16.1.3系統認知與描述對象的解析型因素神經元表達
16.2解析型因素神經元中的推理機制
16.2.1解析型因素神經網路推理模型的建立
16.2.2解析型因素神經元中的演繹推理與問題求解策略
16.2.3解析型因素神經網路中問題求解策略的具體實現方法
16.3解析型因素神經網路中的非確定性推理與模糊搜尋策略
16.3.1非確定性推理模式的一般表達
16.3.2基於機率表達的非確定性推理的實現
16.3.3基於模糊邏輯的非確定性推理方法
16.3.4基於因素表達的非確定性推理
16.3.5問題求解中的模糊搜尋策略
16.3.6啟發式搜尋中的因素輔助搜尋策略
16.4解析型因素神經網路中的類比與聯想
16.4.1相似、相對與類比
16.4.2聯想過程中的導航機制
16.5解析型因素神經網路中的學習與歸納推理
16.5.1學習與歸納推理
16.5.2離散對象的歸納
16.5.3具有特定拓撲結構的對象的歸納推理
第十七章 模擬型因素神經網路
17.1智慧型模擬與模擬型因素神經網路
17.1.1人類認識中的理論與經驗
17.1.2經驗模擬與模擬型因素神經元
17.1.3模擬型因素神經元的一般功能與結構
17.1.4模擬型因素神經元中的內部網路模組與節點（胞元）
17.1.5模擬型因素神經元實現智慧型模擬的方法
17.2模擬型因素神經元中的前饋型網路模組與信息映射變換的實現
17.2.1信息映射變換與映射型網路模組
17.2.2前饋型網路模組實現映射變換的方法
17.3模擬型因素神經元中的反饋型動態網路模組及其聯想記憶功能
17.3.1聯想與聯想記憶
17.3.2模擬型因素神經元實現聯想記憶的方法
17.4模擬型因素神經網路中的認知模型
17.4.1認知與認知網路
17.4.2ART－1的結構與運行機制
17.4.3ART－2的結構與網路方程
17.4.4ART－3網路簡介
17.5模擬型因素神經網路的功能結構分析
17.5.1具有前饋型網路模組的模擬型因素神經元的功能結構
17.5.2具有反饋型動態網路模組的模擬型因素神經元的功能結構
17.5.3模擬型因素神經網路的一般功能結構
第十八章 組合式因素神經網路的系統設計與系統穩定特性
18.1組合式因素神經網路的系統設計
18.1.1組合式因素神經網路系統的基本結構
18.1.2組合式因素神經網路系統的數學描述
18.1.3組合式因素神經網路系統設計的一般方法
18.1.4組合式因素神經網路系統設計的一些指導性原則
18.2組合式因素神經網路系統的穩定特性
18.2.1組合式因素神經網路系統的狀態穩定性
18.2.2組合式因素神經網路系統的結構穩定性
參考文獻
