神经网络控制

封面

版权信息

第三版前言

第1章 绪言

1-1 人工神经网络的特点

1-2 神经网络在控制领域取得的进展

1-3 神经网络控制系统概述

1-4 神经网络控制待解决的问题

1-5 关于“例”与“MATLAB程序”

第2章 神经网络理论基础

2-1 引言

2-2 生物神经元与人工神经元模型

2-3 感知器

2-4 线性神经网络

2-5 多层前馈网络与BP学习算法

2-6 径向基函数神经网络

2-7 小脑模型神经网络

2-8 PID神经网络

2-9 局部递归型神经网络

2-10 连续型Hopfield网络

2-11 应用Simulink设计神经网络

2-12 应用GUI设计神经网络

2-13 小结

习题

第3章 基于神经网络的系统辨识

3-1 引言

3-2 系统辨识的基础知识

3-3 基于神经网络的系统辨识原理

3-4 线性动态系统模型与辨识

3-5 非线性动态系统模型与辨识

3-6 线性动态系统的逆模型与辨识

3-7 非线性动态系统逆模型与辨识

3-8 小结

习题

第4章 神经网络控制

4-1 引 言

4-2 神经网络控制的设计与实现

4-3 基于连续Hopfield网络的PID控制

4-4 神经自校正控制

4-5 神经PID控制

4-6 神经内模控制

4-7 PID神经网络控制

4-8 小脑模型神经控制

4-9 神经控制三例

4-10 再励学习与神经控制

4-11 小结

习题

第5章 遗传算法与神经控制

5-1 引言

5-2 基本的遗传算法

5-3 模式定理

5-4 遗传算法的发展

5-5 遗传算法与函数最优化

5-6 遗传算法与系统辨识

5-7 遗传算法与PID控制

5-8 神经网络的遗传进化训练

5-9 遗传算法与神经控制

5-10 小结

习题

附录A 最优化算法

A-1 最优化问题

A-2 梯度下降法

附录B 赋范空间的逼近

B-1 距离空间

B-2 线性赋泛空间

B-3 Banach空间

B-4 最佳逼近

B-5 最佳逼近元的存在性和唯一性

B-6 最佳一致逼近

B-7 L2逼近

附录C 无监督学习的两种动态聚类算法

C-1 聚类分析

C-2 两种动态聚类法

C-3 几点说明

附录D B样条函数

D-1 样条函数

D-2 B样条函数

D-3 函数的插值与逼近

附录E Lyapunov第二方法

E-1 有关的定义

E-2 Lyapunov第二方法

附录F M序列及逆M序列

F-1 M序列

F-2 逆M序列