神經網絡、模湖系統(tǒng)及其在運動控制中的應用

前言
第1章 典型前向神經網絡
1.1 感知器網絡
1.2 自適應線性元件
1.3 反向傳播網絡
第2章 網絡訓練優(yōu)化算法
2.1 基于標準梯度下降的方法
2.2 基于數(shù)值優(yōu)化方法的網絡訓練算法
2.3 數(shù)值實例對比
2.4 小結
第3章 BP網絡在智能系統(tǒng)中的建模與控制
3.1 直接正向模型建立
3.2 逆模型建立
3.3 系統(tǒng)中控制
第4章 反饋網絡
4.1 霍普菲爾德網絡模型
4.2 DHNN的學習規(guī)劃
4.3 離散型反饋網絡的穩(wěn)定點與穩(wěn)定域
4.4 連續(xù)型霍普菲爾德網絡
4.5 用CHNN求解TSP問題
第5章 自組織競爭人工神經網絡
5.1 幾種聯(lián)想學習規(guī)則
5.2 自組織競爭網絡
5.3 科荷倫自組織映射網絡
5.4 小結
第6章 徑向基函數(shù)網絡
6.1 徑向基函數(shù)及其網絡分析
6.2 網絡的訓練與設計
6.3 廣義向基網絡
6.4 數(shù)字應用對比及性能分析
6.5 小結
第7章 模糊理論基礎
7.1 引言
7.2 模糊集合及其隸屬函數(shù)
7.3 模糊邏輯
7.4 模糊規(guī)劃與模糊推理
第8章 模糊控制器的設計方法
8.1 精確與模糊控制的事例
8.2 模糊邏輯控制過程
8.3 輸入變量和輸出變量的確定
8.4 論域的確定
8.5 確定模糊化和解模糊化方法
……
第9章 運動控制中的摩擦力補償及其建模技術
第10章 模糊控制系統(tǒng)的應用
第11章 神經網絡的應用
第12章 模糊神經網絡
第13章 模糊神經系統(tǒng)的應用
第14章 遺傳算法
第15章 遺傳算法的應用
第16章 模擬退火算法及其應用
參考文獻