神經(jīng)網(wǎng)絡(luò)與模糊控制

     目錄
   第1章 緒論
    1.1神經(jīng)網(wǎng)絡(luò)的發(fā)展和應(yīng)用
    1.2人工神經(jīng)元模型
    1.3用有向圖表示神經(jīng)網(wǎng)絡(luò)
    1.4網(wǎng)絡(luò)結(jié)構(gòu)及工作方式
    1.5神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
    1.5.1學(xué)習(xí)方式
    1.5.2學(xué)習(xí)算法（學(xué)習(xí)規(guī)則）
    1.5.3學(xué)習(xí)與自適應(yīng)
    習(xí)題
    參考文獻
   第2章 前饋網(wǎng)絡(luò)
    2.1線性閾值單元
    2.2感知器學(xué)習(xí)算法
    2.3多層前饋網(wǎng)絡(luò)及其函數(shù)逼近能力
    2.4反向傳播學(xué)習(xí)算法
    2.5改進BP算法收斂速度的一些措施
    2.6徑向基函數(shù)網(wǎng)絡(luò)
    2.7應(yīng)用舉例
    習(xí)題
    參考文獻
   第3章 學(xué)習(xí)理論與網(wǎng)絡(luò)結(jié)構(gòu)選擇
    3.1基本概念
    3.2推廣問題
    3.3學(xué)習(xí)過程的統(tǒng)計性質(zhì)
    3.4函數(shù)逼近問題
    3.5關(guān)于網(wǎng)絡(luò)規(guī)模選擇中的幾個問題
    3.6例題
    習(xí)題
    參考文獻
   第4章 反饋網(wǎng)絡(luò)與聯(lián)想存儲器
    4.1離散的Hopfield網(wǎng)絡(luò)
    4.2聯(lián)想存儲器及其學(xué)習(xí)
    4.3相關(guān)學(xué)習(xí)算法
    4.4聯(lián)想存儲器的容量問題
    4.5偽逆法
    4.6線性規(guī)劃方法
    4.7多余吸引子問題
    4.8應(yīng)用舉例
    4.9雙向聯(lián)想存儲器
    習(xí)題
    參考文獻
   第5章 神經(jīng)網(wǎng)絡(luò)用于優(yōu)化計算
    5.1概述
    5.2連續(xù)Hopfield 網(wǎng)絡(luò)用于求解TSP
    5.3離散Hopfield網(wǎng)絡(luò)用于求解TSP
    5.4神經(jīng)網(wǎng)絡(luò)用于求解貨流問題
    5.5在通信網(wǎng)絡(luò)中的應(yīng)用舉例
    習(xí)題
    參考文獻
   第6章 自組織網(wǎng)絡(luò)
    6.1主成份分析
    6.2自組織特征映射
    6.3向量量化
    6.4廣義學(xué)習(xí)向量量化算法
    6.5應(yīng)用舉例——指紋識別
    習(xí)題
    參考文獻
   第7章 動態(tài)信號與系統(tǒng)的處理
    7.1引言
    7.2帶延時單元的網(wǎng)絡(luò)
    7.3時空神經(jīng)元模型
    7.4部分反饋網(wǎng)絡(luò)
    7.5學(xué)習(xí)問題
    7.6應(yīng)用舉例
    習(xí)題
    參考文獻
   第8章 全局優(yōu)化
    8.1引言
    8.2隨機梯度法
    8.3模擬退火算法
    8.4遺傳算法
    8.5遺傳算法機理的分析
    8.6討論
    8.7應(yīng)用舉例
    習(xí)題
    參考文獻
   第9章 神經(jīng)網(wǎng)絡(luò)用于非線性
    系統(tǒng)辨識
    9.1概述
    9.2基于NARMA模型的辨識方法
    9.2.1問題描述
    9.2.2NARMA模型的參數(shù)辨識
    9.2.3系統(tǒng)辨識的并聯(lián)模式與
    串－并聯(lián)模式
    9.2.4系統(tǒng)Ⅲ辨識的仿真實驗
    9.3通用辨識模型和動態(tài)BP算法
    9.3.1通用辨識模型
    9.3.2動態(tài)BP算法
    9.4石灰窯爐的神經(jīng)網(wǎng)絡(luò)模型
    9.4.1石灰窯爐的生產(chǎn)過程
    9.4.2石灰窯的數(shù)學(xué)模型
    9.4.3石灰窯的神經(jīng)網(wǎng)絡(luò)模型
    習(xí)題
    參考文獻
   第10章 神經(jīng)網(wǎng)絡(luò)用于非線性控制
    10.1概述
    10.2控制方案
    10.2.1監(jiān)督控制
    10.2.2直接逆控制
    10.2.3內(nèi)模控制
    10.2.4模型預(yù)報控制
    10.2.5模型參考控制
    10.2.6再勵學(xué)習(xí)控制
    10.2.7自學(xué)習(xí)控制與自適
    應(yīng)控制
    10.3內(nèi)?？刂萍捌湓谑腋G爐中
    的應(yīng)用
    10.3.1內(nèi)模控制系統(tǒng)的分析
    與設(shè)計
    10.3.2基于神經(jīng)網(wǎng)絡(luò)的內(nèi)
    ?？刂?br />     10.3.3石灰窯爐的內(nèi)模控制
    10.4模型預(yù)報控制及其在pH值控
    制中的應(yīng)用
    10.4.1模型預(yù)報控制的基
    本原理
    10.4.2動態(tài)矩陣控制（DMC）
    10.4.3pH值的神經(jīng)網(wǎng)絡(luò)模
    型預(yù)報控制
    習(xí)題
    參考文獻
   第11章 神經(jīng)網(wǎng)絡(luò)用于機器人控制
    11.1機器人的控制問題
    11.2CMAC網(wǎng)絡(luò)
    11.2.1模型結(jié)構(gòu)
    11.2.2工作原理
    11.2.3學(xué)習(xí)算法
    11.3用CMAC網(wǎng)絡(luò)解決機械手的逆
    運動學(xué)問題
    11.3.1三關(guān)節(jié)機械手在二維
    平面的運動
    11.3.2解決方案
    11.3.3機械手的正模型NN
    11.3.4機械手的逆模型NN
    11.3.5仿真實驗
    11.4用CMAC網(wǎng)絡(luò)解決機械手的逆
    動力學(xué)問題
    11.4.1二關(guān)節(jié)機械手的伺
    服控制
    11.4.2控制方案
    11.4.3仿真實驗結(jié)果
    11.4.4CMAC設(shè)計參數(shù)對控制
    性能的影響
    11.4.5控制系統(tǒng)的魯棒性和自
    適應(yīng)能力
    11.4.6CMAC網(wǎng)絡(luò)的優(yōu)缺點
    習(xí)題
    參考文獻
   第12章 模糊數(shù)學(xué)基礎(chǔ)
    12.1概述
    12.2模糊集合
    12.2.1模糊集合的定義
    12.2.2模糊集合的表示法
    12.2.3常用的隸屬函數(shù)
    12.2.4模糊集合的基本運算
    12.2.5分解定理
    12.2.6擴張定理
    12.3模糊關(guān)系
    12.3.1模糊關(guān)系的定義
    12.3.2模糊關(guān)系的運算
    12.3.3模糊關(guān)系的性質(zhì)
    12.4模糊推理
    12.4.1廣義前向推理和廣義
    反向推理
    12.4.2模糊命題
    12.4.3模糊蘊含
    12.4.4模糊推理
    習(xí)題
    參考文獻
   第13章 模糊控制理論
    13.1模糊控制器的基本結(jié)構(gòu)
    13.2D－FC 的工作原理
    13.3CFC 的工作原理
    13.4模糊控制器的種類和設(shè)計參數(shù)
    13.4.1D－FC和C－FC
    13.4.2PD，PI，PID型的模糊
    控制器
    13.4.3控制規(guī)則的三種類型
    13.4.4模糊控制器的主要設(shè)
    計因素
    13.4.5模糊控制的特點和理論
    研究問題
    13.5典型模糊控制器的結(jié)構(gòu)分析
    13.5.1概述
    13.5.2典型模糊控制器及其
    設(shè)計參數(shù)
    13.5.3典型模糊控制器的
    結(jié)構(gòu)特性
    13.5.4對模糊控制器的幾
    點認識
    13.6模糊控制系統(tǒng)的穩(wěn)定性分析和
    設(shè)計方法
    13.6.1模糊系統(tǒng)的TS模型
    13.6.2模糊方塊圖
    13.6.3穩(wěn)定性分析
    13.6.4設(shè)計方法
    習(xí)題
    參考文獻
   第14章 模糊神經(jīng)網(wǎng)絡(luò)用于非線性
    系統(tǒng)建模和故障診斷
    14.1模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)
    14.2模糊系統(tǒng)的函數(shù)逼近能力
    14.2.1模糊基函數(shù)
    14.2.2模糊系統(tǒng)的通用逼近性
    14.3用神經(jīng)網(wǎng)絡(luò)來構(gòu)造模糊系統(tǒng)
    14.4用模糊神經(jīng)網(wǎng)絡(luò)辨識非線性系統(tǒng)
    14.4.1實驗對象
    14.4.2結(jié)構(gòu)辨識
    14.4.3參數(shù)辨識
    14.5CSTR控制系統(tǒng)的在線故障診斷
    14.5.1CSTR控制系統(tǒng)簡介
    14.5.2故障診斷的方案
    14.5.3故障診斷實驗結(jié)果
    習(xí)題
    參考文獻
   第15章 基于神經(jīng)網(wǎng)絡(luò)的模糊自
    適應(yīng)控制
    15.1概述
    15.2用DCL算法從數(shù)據(jù)中提取
    模糊規(guī)則
    15.2.1倒車實驗
    15.2.2倒車的模糊控制
    15.2.3DCL學(xué)習(xí)算法
    15.2.4從輸入輸出數(shù)據(jù)中提取
    模糊規(guī)則
    15.3基于模糊神經(jīng)網(wǎng)絡(luò)的模型參考自
    適應(yīng)控制
    15.3.1基于模糊神經(jīng)網(wǎng)絡(luò)的
    MRAC方案
    15.3.2模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    15.3.3模糊神經(jīng)網(wǎng)絡(luò)的
    學(xué)習(xí)方法
    15.3.4自適應(yīng)學(xué)習(xí)率
    15.3.5非線性對象的模糊自適
    應(yīng)控制實驗
    15.4采用再勵學(xué)習(xí)的模糊自適應(yīng)控制
    15.4.1GARIC的系統(tǒng)結(jié)構(gòu)
    15.4.2GARIC的工作原理
    15.4.3GARIC的學(xué)習(xí)方法
    15.4.4倒立擺的自適應(yīng)控
    制實驗
    習(xí)題
    參考文獻