基于知识的神经计算 模糊逻辑方法

　e.高曼等著
　　人工神经网络(anns)作为强大的计算工具,应用于分类、模式识别、函数逼近和生物神经网络建模等领域。人工神经网络具有从实例中学习的程序,它们可以解决那些还不知道算法解的难题。但是,人工神经网络的缺点之一就是它学习的知识是通过一种非常不透明的形式来表示,这就是人工网络的“黑箱”特性。在本专著中,作者介绍论文联盟http://了一种新型的模糊规制库(frb),称为模糊全排列规制库(farb)。作者证明了模糊全排列规制库和人工神经网络具有等价性,这种等价性把符号范式模糊规制库和亚符号范式人工神经网络的优点融为一体。基于这一点,作者使用模糊全排列规制库设计了一种新的基于知识的神经计算方法。
　　本书共7章。1. 引言,介绍了人工神经网络(anns)、模糊规制库(frbs)、人工神经网络与模糊规制库的协同、基于知识的神经计算、模糊全排列规制库;2. 模糊全排列规制库,引入定义、输入输出映射;3. 模糊全排列规制库和人工神经网络的等价性,介绍模糊全排列规制库和前馈的人工神经网络、模糊全排列规制库和一阶递归神经网络(rnns)、模糊全排列规制库和二阶递归神经网络、总结;4. 规制简化,介绍灵敏度分析、一种简化模糊全排列规制库的方法;5. 采用模糊全排列规制库的知识提取,主要包括艾里斯分类问题、发光二极管显示屏识别问题、l4语言识别问题;6. 人工神经网络基于知识的设计,包括直接法、模块法;7. 结论和后续工作,后续工作包括规则化的网络训练、在训练过程中进行知识提取、从支持向量机中做知识提取、从网络训练中做知识提取。
　　本书简明扼要,内容新颖,适合模糊集、粗糙集、神经网络、演化式计算、概率和论据推理、多值逻辑等相关领域研究生和研究人员参考学习。
　　陈涛,硕士
　　(中国传媒大学理学院)