神经网络控制(含盘一张)--高等学校自动化专业教材

图书标准信息

• 作者 徐丽娜 编
• 出版社 电子工业出版社
• 出版时间 2003-02
• 版次 1
• ISBN 9787505384101
• 定价 29.00元
• 装帧 平装
• 开本 其他
• 纸张 胶版纸
• 页数 259页
• 字数 380千字

【内容简介】

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。

【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