中文摘要：

从模糊逻辑、神经网络、遗传算法以及概率推理的有机结合入手，对软计算技术的基本理论作出系统研究，在此基础上，建立一类处理复合噪声的有效方法。主要内容如下（1）基于模糊算子的神经- - 模糊系统的逼近能力及逼近精度分析；（2）概率模糊系统的基本性能与分类特性、噪声环境下的逼近性分析；（3）基于遗传算法的神经- - 模糊系统与概率模糊系统的学习算法研究，包括算法的设计以及性能分析；（4）复合噪声滤波模型及其软计算求解技术。本课题属于数学、人工智能以及信息科学的边沿学科，是研制新一代智能计算机的理论基础，对智能控制器的设计和机器人学的发展具有积极的推动作用，在生命科学、空间技术、医学以及国防等领域有广阔应用前景。

结论摘要：

本项目从拓扑结构、学习算法以及性能分析等方面对几类重要的模糊神经网络（FNN）模型，展开了全面、系统的研究。（1）分析了神经-模糊系统的性能，并且给出一些等价条件，在这些等价条件下，证明了神经-模糊系统可以逼近任意精度；（2）系统研究了几类模糊神经网络的学习算法，以及相关的性能分析，包括算法的收敛性，并给出了各类近似过程的实现步骤；（3）系统分析了几类模糊神经网络的逼近性，圆满解决了正则FNN 的泛逼近问题；（4）在一般框架下对神经-模糊网络的逼近问题给出了系统研究积分模意义下广义Mamdani 系统与广义Takagi-Sugeno 系统均具有泛逼近性，引入了随机Mamdani 模糊系统与随机Takagi-Sugeno 模糊系统，并证明了这两类随机模糊系统依均方意义构成一类随机过程的泛逼近器。这些成果对完善FNN 的理论体系具有重要意义，也给本课题的另一主题-生物数据处理的研究提供了理论基础。