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(xiàn)
   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(jìn)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(xiàn)
   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(jì)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(gè)問題
    3.6例題
    習(xí)題
    參考文獻(xiàn)
   第4章 反饋網(wǎng)絡(luò)與聯(lián)想存儲(chǔ)器
    4.1離散的Hopfield網(wǎng)絡(luò)
    4.2聯(lián)想存儲(chǔ)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(chǔ)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(chǔ)器
    習(xí)題
    參考文獻(xiàn)
   第5章 神經(jīng)網(wǎng)絡(luò)用于優(yōu)化計(jì)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(xiàn)
   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(shí)別
    習(xí)題
    參考文獻(xiàn)
   第7章 動(dòng)態(tài)信號(hào)與系統(tǒng)的處理
    7.1引言
    7.2帶延時(shí)單元的網(wǎng)絡(luò)
    7.3時(shí)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(xiàn)
   第8章 全局優(yōu)化
    8.1引言
    8.2隨機(jī)梯度法
    8.3模擬退火算法
    8.4遺傳算法
    8.5遺傳算法機(jī)理的分析
    8.6討論
    8.7應(yīng)用舉例
    習(xí)題
    參考文獻(xiàn)
   第9章 神經(jīng)網(wǎng)絡(luò)用于非線性
    系統(tǒng)辨識(shí)
    9.1概述
    9.2基于NARMA模型的辨識(shí)方法
    9.2.1問題描述
    9.2.2NARMA模型的參數(shù)辨識(shí)
    9.2.3系統(tǒng)辨識(shí)的并聯(lián)模式與
    串－并聯(lián)模式
    9.2.4系統(tǒng)Ⅲ辨識(shí)的仿真實(shí)驗(yàn)
    9.3通用辨識(shí)模型和動(dòng)態(tài)BP算法
    9.3.1通用辨識(shí)模型
    9.3.2動(dòng)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(xiàn)
   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)?？刂?br />     10.2.4模型預(yù)報(bào)控制
    10.2.5模型參考控制
    10.2.6再勵(lì)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(jì)
    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)?？刂?br />     10.4模型預(yù)報(bào)控制及其在pH值控
    制中的應(yīng)用
    10.4.1模型預(yù)報(bào)控制的基
    本原理
    10.4.2動(dòng)態(tài)矩陣控制（DMC）
    10.4.3pH值的神經(jīng)網(wǎng)絡(luò)模
    型預(yù)報(bào)控制
    習(xí)題
    參考文獻(xiàn)
   第11章 神經(jīng)網(wǎng)絡(luò)用于機(jī)器人控制
    11.1機(jī)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(jī)械手的逆
    運(yùn)動(dòng)學(xué)問題
    11.3.1三關(guān)節(jié)機(jī)械手在二維
    平面的運(yùn)動(dòng)
    11.3.2解決方案
    11.3.3機(jī)械手的正模型NN
    11.3.4機(jī)械手的逆模型NN
    11.3.5仿真實(shí)驗(yàn)
    11.4用CMAC網(wǎng)絡(luò)解決機(jī)械手的逆
    動(dòng)力學(xué)問題
    11.4.1二關(guān)節(jié)機(jī)械手的伺
    服控制
    11.4.2控制方案
    11.4.3仿真實(shí)驗(yàn)結(jié)果
    11.4.4CMAC設(shè)計(jì)參數(shù)對(duì)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(diǎn)
    習(xí)題
    參考文獻(xiàn)
   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(yùn)算
    12.2.5分解定理
    12.2.6擴(kuò)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(yùn)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(yùn)含
    12.4.4模糊推理
    習(xí)題
    參考文獻(xiàn)
   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(jì)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(jì)因素
    13.4.5模糊控制的特點(diǎn)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(jì)參數(shù)
    13.5.3典型模糊控制器的
    結(jié)構(gòu)特性
    13.5.4對(duì)模糊控制器的幾
    點(diǎn)認(rèn)識(shí)
    13.6模糊控制系統(tǒng)的穩(wěn)定性分析和
    設(shè)計(jì)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(jì)方法
    習(xí)題
    參考文獻(xiàn)
   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(shí)非線性系統(tǒng)
    14.4.1實(shí)驗(yàn)對(duì)象
    14.4.2結(jié)構(gòu)辨識(shí)
    14.4.3參數(shù)辨識(shí)
    14.5CSTR控制系統(tǒng)的在線故障診斷
    14.5.1CSTR控制系統(tǒng)簡(jiǎn)介
    14.5.2故障診斷的方案
    14.5.3故障診斷實(shí)驗(yàn)結(jié)果
    習(xí)題
    參考文獻(xiàn)
   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(shí)驗(yàn)
    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(duì)象的模糊自適
    應(yīng)控制實(shí)驗(yàn)
    15.4采用再勵(lì)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(shí)驗(yàn)
    習(xí)題
    參考文獻(xiàn)