在国内外,随着小波网络的发展和成熟,小波网络应用于各个方面的研究越来越多,它已广泛地应用于信号处理、图像处理、语音识别与合成、模式识别、机器视觉、机械故障诊断与监控等科技领域,并且已取得了很大的成果,人们已开始研究其在系统辨识领域中的应用,尤其在非线性系统辨识中的应用潜力越来越大。同时模糊神经网络在各方面的研究也非常多。为了更好地利用模糊、小波和神经网络各自的优势,把模糊、小波分析和神经网络技术融合,构成新的模型,研究学习算法及其在非线性系统辨识中的应用。在多分辨分析理论和模糊模型的基础上,把模糊和小波网络相结合,给出了模糊小波网络。该网络将模糊模型引入小波网络,在不增加小波基函数的基础上提高网络逼近函数的精度,简化系统结构。 本文前两章主要介绍了研究的目的、意义、现状,基础知识,第三章介绍了模糊神经网络和小波网络的一些具体内容。第四章介绍了模糊小波网络,在模糊小波网络中,每一条模糊规则对应一个子小波网络,该子网络中的小波基具有相同的尺度因子,即在同一尺度下将小波函数平移而得到的小波基组,因此这些不同尺度下生成的子小波网络可以用来捕捉所逼近函数在不同时、频域下的特征,而模糊规则集则决定各个子网络对整个网络输出的贡献。由此可见,由模糊推理来选择小波,降低了该问题的难度,而且模糊规则中的不同尺度值的小波基也能更加充分地显现系统的各方面的本质特性。与传统的小波网络比较,通过小波函数位移参数的学习及模糊规则集的调整,模糊小波网络模型的局部逼近性、收敛速度、准确性和泛化能力都有所提