神經(jīng)網(wǎng)絡控制（第三版）

第1章 緒言
1—1 人工神經(jīng)網(wǎng)絡的特點
1—2 神經(jīng)網(wǎng)絡在控制領域取得的進展
1—3 神經(jīng)網(wǎng)絡控制系統(tǒng)概述
1—3—1 神經(jīng)網(wǎng)絡控制系統(tǒng)的組成
1—3—2 實時控制
1—3—3 智能控制的分支
1—4 神經(jīng)網(wǎng)絡控制待解決的問題
1—5 關于“例”與“MATLAB程序”
第2章 神經(jīng)網(wǎng)絡理論基礎
2—1 引言
2—2 生物神經(jīng)元與人工神經(jīng)元模型
2—2—1 生物神經(jīng)元
2—2—2 MP模型
2—2—3 多種作用函數(shù)
2—2—4 Hebb學習規(guī)則
2—3 感知器
2—3—1 單層感知器
2—3—2 多層感知器
2—4 線性神經(jīng)網(wǎng)絡
2—4—1 自適應線性神經(jīng)元
2—4—2 線性神經(jīng)網(wǎng)絡
2—5 多層前饋網(wǎng)絡與BP學習算法
2—5—1 網(wǎng)絡結(jié)構
2—5—2 BP學習算法
2—5—3 有關的幾個問題
2—6 徑向基函數(shù)神經(jīng)網(wǎng)絡
2—6—1 網(wǎng)絡輸出計算
2—6—2 網(wǎng)絡的學習算法
2—6—3 有關的幾個問題
2—6—4 MATLAB高斯RBF網(wǎng)絡構建法
2—7 小腦模型神經(jīng)網(wǎng)絡
2—7—1 CMAC的結(jié)構及工作原理
2—7—2 CMAC的學習算法及分析
2—7—3 有關的幾個問題
2—8 PID神經(jīng)網(wǎng)絡
2—8—1 網(wǎng)絡結(jié)構與輸出計算
2—8—2 學習算法
2—8—3 有關的兩個問題
2—9 局部遞歸型神經(jīng)網(wǎng)絡
2—9—1 內(nèi)時延反饋型網(wǎng)絡
2—9—2 外時延反饋型網(wǎng)絡
2—10 連續(xù)型Hopfield網(wǎng)絡
2—10—1 網(wǎng)絡的描述
2—10—2 網(wǎng)絡的穩(wěn)定性
2—10一3 學習算法
2—10—4 有關的幾個問題
2—11 應用Simulink設計神經(jīng)網(wǎng)絡
2—12 應用GUl設計神經(jīng)網(wǎng)絡
2—13 小結(jié)
習題
第3章 基于神經(jīng)網(wǎng)絡的系統(tǒng)辨識
3—1 引言
3—2 系統(tǒng)辨識的基礎知識
3—2—1 系統(tǒng)辨識的基本原理
3—2—2 誤差準則
3—2—3 辨識精度
3—2—4 辨識的主要步驟
3—3 基于神經(jīng)網(wǎng)絡的系統(tǒng)辨識原理
3—3—1 系統(tǒng)模型及逆模型的辨識
3—3—2 動態(tài)系統(tǒng)辨識常用的神經(jīng)網(wǎng)絡
3—3—3 兩種辨識結(jié)構
3—4 線性動態(tài)系統(tǒng)模型與辨識
3—4—1 確定性系統(tǒng)模型
3—4—2 隨機系統(tǒng)模型
3—4—3 確定性系統(tǒng)的神經(jīng)網(wǎng)絡辨識
3—4—4 隨機系統(tǒng)的神經(jīng)網(wǎng)絡辨識
3—4—5 基于連續(xù)Hopfield網(wǎng)絡的線性系統(tǒng)辨識
3—5 非線性動態(tài)系統(tǒng)模型與辨識
3—5—1 非線性系統(tǒng)模型
3—5—2 神經(jīng)網(wǎng)絡系統(tǒng)辨識
3—6 線性動態(tài)系統(tǒng)的逆模型與辨識
3—6—1 線性系統(tǒng)的逆模型
3—6—2 神經(jīng)網(wǎng)絡逆模型辨識
3—7 非線性動態(tài)系統(tǒng)逆模型與辨識
……
第4章 神經(jīng)網(wǎng)絡控制
第5章 遺傳算法與神經(jīng)控制
附錄A 最優(yōu)化算法
附錄B 賦范空間的逼近
附錄C 天監(jiān)督學習的兩種動態(tài)聚類算法
附錄D B樣條函數(shù)
附錄E Lyapunov第二方法
附錄F M序列及逆M序列
參考文獻