神经网络与模糊控制

第1章 绪论

1．1 神经网络的发展和应用

1．2 人工神经元模型

1．3 用有向图表示神经网络

1．4 网络结构及工作方式

1．5 神经网络的学习方法

1．5．1 学习方式

1．5．2 学习算法(学习规则)

1．5．3 学习与自适应

习题

参考文献

第2章 前馈网络

2．1 线性阈值单元

2．2 感知器学习算法

2．3 多层前馈网络及其函数逼近能力

2．4 反向传播学习算法

2．5 改进bp算法收敛速度的一些措施

2．6 径向基函数网络

2．7 应用举例：

习题

.参考文献

第3章 学习理论与网络结构选择

3．1 基本概念

3．2 推广问题

3．3 学习过程的统计性质

3．4 函数逼近问题

3．5 关于网络规模选择中的几个问题

3．6 例题

习题

参考文献

第4章 反馈网络与联想存储器

4．1 离散的hopfield网络

4．2 联想存储器及其学习

4．3 相关学习算法

4．4 联想存储器的容量问题

4．5 伪逆法

4．6 线性规划方法

4．7 多余吸引子问题

4．8 应用举例

4．9 双向联想存储器

习题

参考文献

第5章 神经网络用于优化计算

5．1 概述

5．2 连续hopfield网络用于求解tsp

5．3 离散hopfield网络用于求解tsp

5．4 神经网络用于求解货流问题

5．5 在通信网络中的应用举例

习题

参考文献

第6章 自组织网络

6．1 主成份分析

6．2 自组织特征映射

6．3 向量量化

6．4 广义学习向量量化算法

6．5 应用举例--指纹识别

习题

参考文献

第7章 动态信号与系统的处理

7．1 引言

7．2 带延时单元的网络

7．3 时空神经元模型

7．4 部分反馈网络

7．5 学习问题

7．6 应用举例

习题

参考文献

第8章 全局优化

8．1 引言

8．2 随机梯度法

8．3 模拟退火算法

8．4 遗传算法

8．5 遗传算法机理的分析

8．6 讨论

8．7 应用举例

习题

参考文献

第9章 神经网络用于非线性系统辨识

9．1 概述

9．2 基于narma模型的辨识方法

9．2．1 问题描述

9．2．2 narma模型的参数辨识

9．2．3 系统辨识的并联模式与串-并联模式

9．2．4 系统iii辨识的仿真实验

9．3 通用辨识模型和动态bp算法

9．3．1 通用辨识模型

9．3．2 动态bp算法

9．4 石灰窑炉的神经网络模型

9．4．1 石灰窑炉的生产过程

9．4．2 石灰窑的数学模型

9．4．3 石灰窑的神经网络模型

习题

参考文献

第10章 神经网络用于非线性控制

10．1 概述

10．2 控制方案

10．2．1 监督控制

10．2．2 直接逆控制

10．2．3 内模控制

10．2．4 模型预报控制

10．2．5 模型参考控制

10．2．6 再励学习控制

10．2．7 自学习控制与自适应控制

10．3 内模控制及其在石灰窑炉中的应用

10．3．1 内模控制系统的分析与设计

10．3．2 基于神经网络的内模控制

10．3．3 石灰窑炉的内模控制

10．4 模型预报控制及其在ph值控制中的应用

10．4．1 模型预报控制的基本原理

10．4．2 动态矩阵控制(dmc)

10．4．3 ph值的神经网络模型预报控制

习题

参考文献

第11章 神经网络用于机器人控制

11．1 机器人的控制问题

11．2 cmac网络

11．2．1 模型结构

11．2．2 工作原理

11．2．3 学习算法

11．3 用cmac网络解决机械手的逆运动学问题

11．3．1 三关节机械手在二维平面的运动

11．3．2 解决方案

11．3．3 机械手的正模型nn1

11．3．4 机械手的逆模型nn2

11．3．5 仿真实验

11．4 用cmac网络解决机械手的逆动力学问题

11．4．1 二关节机械手的伺服控制

11．4．2 控制方案

11．4．3 仿真实验结果

11．4．4 cmac设计参数对控制性能的影响

11．4．5 控制系统的鲁棒性和自适应能力

11．4．6 cmac网络的优缺点

习题

参考文献

第12章 模糊数学基础

12．1 概述

12．2 模糊集合

12．2．1 模糊集合的定义

12．2．2 模糊集合的表示法

12．2．3 常用的隶属函数

12．2．4 模糊集合的基本运算

12．2．5 分解定理

12．2．6 扩张定理

12．3 模糊关系

12．3．1 模糊关系的定义

12．3．2 模糊关系的运算

12．3．3 模糊关系的性质

12．4 模糊推理

12．4．1 广义前向推理和广义反向推理

12．4．2 模糊命题

12．4．3 模糊蕴含

12，4．4 模糊推理

习题

参考文献

第13章 模糊控制理论

13．1 模糊控制器的基本结构

13．2 d-fc的工作原理

13．3 c-fc的工作原理

13．4 模糊控制器的种类和设计参数

13．4．1 d-fc和c-fc

13．4．2 pd，pi，pid型的模糊控制器

13．4．3 控制规则的三种类型

13．4．4 模糊控制器的主要设计因素

13．4．5 模糊控制的特点和理论研究问题

13．5 典型模糊控制器的结构分析

13．5．1 概述

13．5．2 典型模糊控制器及其设计参数

13．5．3 典型模糊控制器的结构特性

13．5．4 对模糊控制器的几点认识

13．6 模糊控制系统的稳定性分析和设计方法

13．6．1 模糊系统的t-s模型

13．6．2 模糊方块图

13．6．3 稳定性分析

13．6．4 设计方法

习题

参考文献

第14章 模糊神经网络用于非线性系统建模和故障诊断

14．1 模糊系统与神经网络

14．2 模糊系统的函数逼近能力

14．2．1 模糊基函数

14．2．2 模糊系统的通用逼近性

14．3 用神经网络来构造模糊系统

14．4 用模糊神经网络辨识非线性系统

14．4．1 实验对象

14．4．2 结构辨识

14．4．3 参数辨识

14．5 cstr控制系统的在线故障诊断

14．5．1 cstr控制系统简介

14．5．2 故障诊断的方案

14．5．3 故障诊断实验结果

习题

参考文献

第15章 基于神经网络的模糊自适应控制

15．1 概述

15．2 用dcl算法从数据中提取模糊规则

15．2．1 倒车实验

15．2．2 倒车的模糊控制

15．2．3 dcl学习算法

15．2．4 从输入输出数据中提取模糊规则

15．3 基于模糊神经网络的模型参考自适应控制

15．3．1 基于模糊神经网络的mrac方案

15．3．2 模糊神经网络结构

15．3．3 模糊神经网络的学习方法

15．3．4 自适应学习率

15．3．5 非线性对象的模糊自适应控制实验

15．4 采用再励学习的模糊自适应控制

15．4．1 garic的系统结构

15．4．2 garic的工作原理

15．4．3 garic的学习方法

15．4．4 倒立摆的自适应控

制实验

习题

参考文献