神经网络建模、预报与控制

1　神经网络与控制引论
1.1　神经网络技术的发展与现状
1.2　神经网络与系统建模、预报和控制
1.3　船舶横摇运动建模与预报
1.4　本书的内容和章节安排
参考文献
2　神经网络的统一描述
2.1　神经网络的基本概念
2.2　神经元的统一模型
2.3　神经网络结构的统一描述
2.4　神经网络学习算法的统一描述
2.5　本章小结
参考文献
3　多层前向神经网络的逼近能力和训练算法
3.1　多层前向神经网络的逼近能力
3.2　误差反传（BP）算法及其存在问题分析
3.3　以变学习率η和变动量因子a提高误差反传（BP）算法收敛速度
3.4　BP算法学习过程中“平台现象”的减少或消除
3.5　BP算法学习过程中学习不平衡现象的消除
3.6　实现全局最优的多层前向网络训练算法
3.7　改善BP算法泛化能力的措施及提高学习精度的方法
3.8　鲁棒BP学习算法
3.9　综合反向传播（SBP）训练算法
3.10　本章小结
参考文献
4　多层前向神经网络的拓扑结构研究
4.1　多层前向神经网络的结构设计
4.2　过拟合与泛化能力
4.3　多层前向神经网络的剪除型结构学习算法
4.4　多层前向神经网络的增长型结构学习算法
4.5　本章小节
参考文献
5　基于神经网络的时间序列建模与预报
5.1　线性ARMA模型和最优预报器
5.2　非线性ARMA模型和神经网络逼近
5.3　回归神经网络（RNN）
5.4　船舶横摇运动的时间序列预报
5.5　本章小节
参考文献
6　基于神经网络的非线性系统辨识
6.1　非线性动态系统辨识模型
6.2　用神经网络进行非线性动态系统辨识的可行性
6.3　神经网络辨识算法及收敛性分析
6.4　使用神经网络进行非线性系统辨识的基本方法
6.5　神经网络与机理模型的混合建模法
6.6　船舶横摇运动建模
6.7　本章小结
附录　定理6.7的证明
参考文献
7　神经网络控制
7.1　神经网络监督控制
7.2　神经网络自适应控制
7.3　神经网络自适应评判控制
7.4　非线性动态系统的神经网络控制——能控性、能观性、稳定性、状态观测和跟踪控制
7.5　本章小结
参考文献