神经网络控制

出版时间：2003-1  出版社：电子工业出版社  作者：徐丽娜  页数：259  字数：380000  

内容概要

神经网络控制已经发展成为智能控制的一个新分文，为解决复杂的非线性、不确定及不确知系统的控制总是开辟了新途径。本书分5章阐述了（人工）神经网络理论基础，基于神经网络的动态系统的模板、逆模型及其辨识，神经网络控制的多种结构及其设计，遗传算法的寻优机理，遗传算法与系统辨识、与神经控制问题。    本书适合作为高等院工科校信息处理、自动控制、工业自动化、模式识别与智能控制等专业高年级本科生、研究生的教材或教学参考书，也适合相关专业的工程技术人员阅读。

书籍目录

第1章  绪言　1-1  人工神经网络的特点　1-2  神经网络控制取得的进展　1-3  神经网络控制待解决的问题第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    2-1-1  生物神元    2-1-2  MP模型    2-1-3  其他形式的作用函数    2-1-4  Hebb学习规则　2-3  感知器    2-3-1  单层感知器    2-3-2  多层感知器　2-4  多层前馈网络与BP学习算法    2-4-1  网络结构    2-4-2  BP学习算法    2-4-3  有关的几个问题　2-5  自适应线性神经元　2-6  径向基函数神经网络    2-6-1  网络输出计算    2-6-2  网络的学习算法    2-6-3  有关的几个问题　2-7  小脑模型神经网络    2-7-1  CMAC的结构及工作原理    2-7-2  CMAC的学习算法及分析    2-7-3  有关的几个问题　2-8  PID神经网络    2-8-1  网络结构与输出计算    2-8-2  学习算法    2-8-3  有关的两个问题　2-9  全递归型神经网络    2-9-1  网络结构    2-9-2  BPTT算法    2-9-3  RTRL算法　2-10  局部递归型神经网络    2-10-1  内时延反馈型网络    2-10-2  外时延反馈型网络　2-11  连续型Hopfield网络    2-11-1  网络的描述    2-11-2  网络的稳定性    2-11-3  学习算法    2-11-4  有关的几个问题　2-12  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    3-2-1  系统辨识的基本原理    3-2-2  误差准则    3-2-3  辨识精度    3-2-4  辨识的主要步骤　3-3  基于神经网络的系统辨识原理    3-3-1  系统模型及逆模型的辨识    3-3-2  动态系统辨识常用的神经网络    3-3-3  两种辨识结构  3-4  线性动态系统模型与辨识    3-4-1  确定性系统模型    3-4-2  随机系统模型    3-4-3  确定性系统的神经网络辨识    3-4-4  随机系统的神经网络辨识　3-5  非线性动态系统模型与辨识    3-5-1  非线性系统模型    3-5-2  神经网络系统辨识　3-6  线性动态系统的逆模型与辨识    3-6-1  线性系统的逆模型    3-6-2  神经网络逆模型辨识　3-7  非线性动态系统逆模型与辨识    3-7-1  非线性系统的逆与可逆性    3-7-2  非线性系统逆模型    3-7-3  神经网络逆模型辨识  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　　4-2-1  神经网络控制的设计　　4-2-2  神经网络控制的实现　4-3  神经自校正控制    4-3-1  神经自校正控制结构    4-3-2  神经PID控制器　4-5  神经模型参考自适应控制　4-6  神经内模控制    4-6-1  内模控制原理    4-6-2  线性内模控制设计    4-6-3  神经非线性内模控制  4-7  PID神经网络控制    4-7-1  PID神经网络单变量控制    4-7-2  PID神经网络多变量控制　4-8  小脑模型神经控制    4-8-1  CMAC直接逆运动控制    4-8-2  CMAC前馈控制    4-8-2  CMAC反馈控制　4-9  再励学习与神经控制    4-9-1  再励学习原理    4-9-2  再励学习算法    4-9-3  再励学习神经控制　4-10  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    5-2-1  生物的遗传、进化和适应性    5-2-2  基本的遗传算法概述    5-2-3  遗传操作    5-2-4  GA的有效性    5-2-5  适应度及调整    5-2-6  有关的几个问题　5-3  模式定理    5-3-1  模式    5-3-2  基本算子对模式的影响　5-4  遗传算法的发展    5-4-1  交叉、变异概率的自适应调整    5-4-2  高级算子    5-4-3  并行GA    5-4-4  可变长个体与Messy GA    5-4-5  基于小生境技术的GA    5-4-6  混合GA    5-4-7  导入年龄结构的GA    5-4-8  基于基因分布评价的适应度调整    5-4-9  GA理论研究　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 神经网络的遗传进化训练　5-8 遗传算法与神经控制　5-9 小结　习题附录A  梯度下降法　A-1  迭代算法　A-2  步长的选择　A-3  一般迭代算法　A-4  梯度下降法的不足附录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惟一性　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  镜像映射最小二乘解法　D-1  镜像映射法　D-2  正交矩阵　D-3  镜像映射矩阵　D-4  矩阵三角化　D-5  正交矩阵的求取附录E  B样条函数　E-1  样条函数　E-2  B样条函数　E-3  函数的插值与逼近附录F  Lyapunov 第二方法　F-1  有关的定义　F-2  Lyapunov第二方法附录G  M序列及逆M序列　G-1  M序列　G-2  逆M序列附录H  Z变换　H-1  Z变换的定义　H-2  Z变换的性质　H-3  Z反变换附录I  线性连续系统的Z传递函数参考文献