神經(jīng)網(wǎng)絡(luò)控制

第1章 神經(jīng)網(wǎng)絡(luò)和自動(dòng)控制的基礎(chǔ)知識(shí)
1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展史
1.1.1 20世紀(jì)40年代——神經(jīng)元模型的誕生
1.1.2 20世紀(jì)50年代——從單神經(jīng)元到單層網(wǎng)絡(luò)，形成第一次熱潮
1.1.3 20世紀(jì)60年代——學(xué)習(xí)多樣化和AN2的急劇冷落
1.1.4 20世紀(jì)70年代——在低迷中頑強(qiáng)地發(fā)展
1.1.5 20世紀(jì)80年代——AN2研究熱潮再度興起
1.1.6 20世紀(jì)90年代——再現(xiàn)熱潮，產(chǎn)生許多邊緣交叉學(xué)科
1.1.7 進(jìn)入21世紀(jì)——實(shí)現(xiàn)機(jī)器智能的道路漫長(zhǎng)而又艱難
1.2 生物神經(jīng)元和人工神經(jīng)元
1.2.1 生物神經(jīng)元
1.2.2 人工神經(jīng)元
1.3 生物神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)
1.3.1 生物神經(jīng)網(wǎng)絡(luò)
1.3.2 人工神經(jīng)網(wǎng)絡(luò)
1.4 自動(dòng)控制的發(fā)展史
1.4.1 從傳統(tǒng)控制理論到智能控制
1.4.2 智能控制的產(chǎn)生與基本特征
1.4.3 智能控制系統(tǒng)
1.5 模糊集與模糊控制概述
1.5.1 模糊集
1.5.2 模糊隸屬函數(shù)
1.5.3 模糊控制
1.6 從生物神經(jīng)控制到人工神經(jīng)控制
1.6.1 生物神經(jīng)控制的智能特征
1.6.2 人工神經(jīng)控制的模擬范圍
1.7 小結(jié)
習(xí)題與思考題
第2章 神經(jīng)計(jì)算基礎(chǔ)
2.1 線(xiàn)性空間與范數(shù)
2.1.1 矢量空間
2.1.2 范數(shù)
2.1.3 賦范線(xiàn)性空間
2.1.4 L1范數(shù)和L2范數(shù)
2.2 迭代算法
2.2.1 迭代算法的終止準(zhǔn)則
2.2.2 梯度下降法
2.2.3 最優(yōu)步長(zhǎng)選擇
2.3 逼近論
2.3.1 Banach空間和逼近的定義
2.3.2 L2逼近和最優(yōu)一致逼近
2.3.3 離散點(diǎn)集上的最小二乘逼近
2.4 神經(jīng)網(wǎng)絡(luò)在線(xiàn)迭代學(xué)習(xí)算法
2.5 Z變換
2.5.1 Z變換的定義和求取
2.5.2 Z變換的性質(zhì)
2.5.3 Z反變換
2.6 李雅普諾夫意義下的穩(wěn)定性
2.6.1 非線(xiàn)性時(shí)變系統(tǒng)的穩(wěn)定性問(wèn)題
2.6.2 李雅普諾夫意義下的漸進(jìn)穩(wěn)定
2.6.3 李雅普諾夫第二法
2.6.4 非線(xiàn)性系統(tǒng)的穩(wěn)定性分析
2.7 小結(jié)
習(xí)題與思考題
第3章 神經(jīng)網(wǎng)絡(luò)模型
3.1 人工神經(jīng)網(wǎng)絡(luò)建模
3.1.1 MP模型
3.1.2 Hebb學(xué)習(xí)法則
3.2 感知器
3.2.1 單層感知器
3.2.2 多層感知器
3.3 BP網(wǎng)絡(luò)與BP算法
3.3.1 BP網(wǎng)絡(luò)的基本結(jié)構(gòu)
3.3.2 BP算法及步長(zhǎng)調(diào)整
3.4 自適應(yīng)線(xiàn)性神經(jīng)網(wǎng)絡(luò)
3.5 自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)
3.5.1 自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
3.5.2 自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
3.6 小腦模型神經(jīng)網(wǎng)絡(luò)
3.6.1 CMAC的基本結(jié)構(gòu)
3.6.2 CMAC的工作原理
3.6.3 CMAC的學(xué)習(xí)算法與訓(xùn)練
3.7 遞歸型神經(jīng)網(wǎng)絡(luò)
3.7.1 DTRNN的網(wǎng)絡(luò)結(jié)構(gòu)
3.7.2 實(shí)時(shí)遞歸學(xué)習(xí)算法
3.8 霍普菲爾德（Hopfield）神經(jīng)網(wǎng)絡(luò)
3.8.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)
3.8.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)
3.8.3 求解TSP問(wèn)題
3.9 小結(jié)
習(xí)題與思考題
第4章 神經(jīng)控制中的系統(tǒng)辨識(shí)
4.1 系統(tǒng)辨識(shí)基本原理
4.1.1 辨識(shí)系統(tǒng)的基本結(jié)構(gòu)
4.1.2 辨識(shí)模型
4.1.3 辨識(shí)系統(tǒng)的輸入和輸出
4.2 系統(tǒng)辨識(shí)過(guò)程中神經(jīng)網(wǎng)絡(luò)的作用
4.2.1 神經(jīng)網(wǎng)絡(luò)辨識(shí)原理
4.2.2 多層前向網(wǎng)絡(luò)的辨識(shí)能力
4.2.3 辨識(shí)系統(tǒng)中的非線(xiàn)性模型
4.3 非線(xiàn)性動(dòng)態(tài)系統(tǒng)辨識(shí)
4.3.1 非線(xiàn)性動(dòng)態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識(shí)
4.3.2 單輸入單輸出非線(xiàn)性動(dòng)態(tài)系統(tǒng)的BP網(wǎng)絡(luò)辨識(shí)
4.4 多層前向網(wǎng)絡(luò)辨識(shí)中的快速算法
4.5 非線(xiàn)性模型的預(yù)報(bào)誤差神經(jīng)網(wǎng)絡(luò)辨識(shí)
4.5.1 非動(dòng)態(tài)模型建模，
4.5.2 遞推預(yù)報(bào)誤差算法
4.6 非線(xiàn)性系統(tǒng)逆模型的神經(jīng)網(wǎng)絡(luò)辨識(shí)
4.6.1 系統(tǒng)分析逆過(guò)程的存在性
4.6.2 非線(xiàn)性系統(tǒng)的逆模型
4.6.3 基于多層感知器的逆模型辨識(shí)
4.7 線(xiàn)性連續(xù)動(dòng)態(tài)系統(tǒng)辨識(shí)的參數(shù)估計(jì)
4.7.1 Hopfield網(wǎng)絡(luò)用于辨識(shí)
4.7.2 Hopfield網(wǎng)絡(luò)辨識(shí)原理
4.8 利用神經(jīng)網(wǎng)絡(luò)聯(lián)想功能的辨識(shí)系統(tǒng)
4.8.1 二階系統(tǒng)的性能指標(biāo)
4.8.2 系統(tǒng)辨識(shí)器基本結(jié)構(gòu)
4.8.3 訓(xùn)練與辨識(shí)操作
4.9 小結(jié)
習(xí)題與思考題
第5章 人工神經(jīng)元控制系統(tǒng)
5.1 人工神經(jīng)元的PID調(diào)節(jié)功能
5.1.1 人工神經(jīng)元PID動(dòng)態(tài)結(jié)構(gòu)
5.1.2 人工神經(jīng)元閉環(huán)系統(tǒng)動(dòng)態(tài)結(jié)構(gòu)
5.2 人工神經(jīng)元PID調(diào)節(jié)器
5.2.1 比例調(diào)節(jié)元
5.2.2 積分調(diào)節(jié)元
5.2.3 微分調(diào)節(jié)元
5.3 人工神經(jīng)元閉環(huán)調(diào)節(jié)系統(tǒng)
5.3.1 系統(tǒng)描述
5.3.2 Lyapunov穩(wěn)定性分析
5.4 人工神經(jīng)元自適應(yīng)控制系統(tǒng)
5.4.1 人工神經(jīng)元自適應(yīng)控制系統(tǒng)的基本結(jié)構(gòu)
5.4.2 人工神經(jīng)元自適應(yīng)控制系統(tǒng)的學(xué)習(xí)算法
5.5 人工神經(jīng)元控制系統(tǒng)的穩(wěn)定性
5.6 小結(jié)
習(xí)題與思考題
第6章 神經(jīng)控制系統(tǒng)
6.1 神經(jīng)控制系統(tǒng)概述
6.1.1 神經(jīng)控制系統(tǒng)的基本結(jié)構(gòu)
6.1.2 神經(jīng)網(wǎng)絡(luò)在神經(jīng)控制系統(tǒng)中的作用
6.2 神經(jīng)控制器的設(shè)計(jì)方法
6.2.1 模型參考自適應(yīng)方法
6.2.2 自校正方法
6.2.3 內(nèi)模方法
6.2.4 常規(guī)控制方法
6.2.5 神經(jīng)網(wǎng)絡(luò)智能方法
6.2.6 神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)方法
6.3 神經(jīng)辨識(shí)器的設(shè)計(jì)方法
6.4 PID神經(jīng)控制系統(tǒng)
6.4.1 PID神經(jīng)控制系統(tǒng)框圖
6.4.2 PID神經(jīng)調(diào)節(jié)器的參數(shù)整定
6.5 模型參考自適應(yīng)神經(jīng)控制系統(tǒng)
6.5.1 兩種不同的自適應(yīng)控制方式
6.5.2 間接設(shè)計(jì)模型參考自適應(yīng)神經(jīng)控制系統(tǒng)
6.5.3 直接設(shè)計(jì)模型參考自適應(yīng)神經(jīng)控制系統(tǒng)
6.6 預(yù)測(cè)神經(jīng)控制系統(tǒng)
6.6.1 預(yù)測(cè)控制的基本特征
6.6.2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法
6.6.3 單神經(jīng)元預(yù)測(cè)器
6.6.4 多層前向網(wǎng)絡(luò)預(yù)測(cè)器
6.6.5 輻射基函數(shù)網(wǎng)絡(luò)預(yù)測(cè)器
6.6.6 Hopfield網(wǎng)絡(luò)預(yù)測(cè)器
6.7 自校正神經(jīng)控制系統(tǒng)
6.7.1 自校正神經(jīng)控制系統(tǒng)的基本結(jié)構(gòu)
6.7.2 神經(jīng)自校正控制算法
6.7.3 神經(jīng)網(wǎng)絡(luò)逼近
6.8 內(nèi)模神經(jīng)控制系統(tǒng)
6.8.1 線(xiàn)性?xún)?nèi)模控制方式
6.8.2 內(nèi)?？刂葡到y(tǒng)
6.8.3 內(nèi)模神經(jīng)控制器
6.8.4 神經(jīng)網(wǎng)絡(luò)內(nèi)部模型
6.9 小腦模型神經(jīng)控制系統(tǒng)
6.9.1 CMAC控制系統(tǒng)的基本結(jié)構(gòu)
6.9.2 CMAC控制器設(shè)計(jì)
6.9.3 CMAC控制系統(tǒng)實(shí)例
6.10 小結(jié)
習(xí)題與思考題
第7章 模糊神經(jīng)控制系統(tǒng)
7.1 模糊控制與神經(jīng)網(wǎng)絡(luò)的結(jié)合
7.1.1 模糊控制的時(shí)間復(fù)雜性
7.1.2 神經(jīng)控制的空間復(fù)雜性
7.1.3 模糊神經(jīng)系統(tǒng)的產(chǎn)生
7.2 模糊控制和神經(jīng)網(wǎng)絡(luò)的異同點(diǎn)
7.2.1 模糊控制和神經(jīng)網(wǎng)絡(luò)的共同點(diǎn)
7.2.2 模糊控制和神經(jīng)網(wǎng)絡(luò)的不同點(diǎn)
7.3 模糊神經(jīng)系統(tǒng)的典型結(jié)構(gòu)
7.4 模糊神經(jīng)系統(tǒng)的結(jié)構(gòu)分類(lèi)
7.4.1 松散結(jié)合
7.4.2 互補(bǔ)結(jié)合
7.4.3 主從結(jié)合
7.4.4 串行結(jié)合
7.4.5 網(wǎng)絡(luò)學(xué)習(xí)結(jié)合
7.4.6 模糊等價(jià)結(jié)合
7.5 模糊等價(jià)結(jié)合中的模糊神經(jīng)控制器
7.5.1 偏差P和偏差變化率Δe的獲取
7.5.2 隸屬函數(shù)的神經(jīng)網(wǎng)絡(luò)表達(dá)
7.6 幾種常見(jiàn)的模糊神經(jīng)網(wǎng)絡(luò)
7.6.1 模糊聯(lián)想記憶網(wǎng)絡(luò)
7.6.2 模糊認(rèn)知映射網(wǎng)絡(luò)
7.7 小結(jié)
習(xí)題與思考題
第8章 神經(jīng)控制中的遺傳進(jìn)化訓(xùn)練
8.1 生物的遺傳與進(jìn)化
8.1.1 生物進(jìn)化論的基本觀點(diǎn)
8.1.2 進(jìn)化計(jì)算
8.2 遺傳算法概述
8.2.1 遺傳算法中遇到的基本術(shù)語(yǔ)
8.2.2 遺傳算法的運(yùn)算特征
8.2.3 遺傳算法中的概率計(jì)算公式
8.3 遺傳算法中的模式定理
8.3.1 模式定義和模式的階
8.3.2 模式定理（Schema）
8.4 遺傳算法中的編碼操作
8.4.1 遺傳算法設(shè)計(jì)流程
8.4.2 遺傳算法中的編碼規(guī)則
8.4.3 一維染色體的編碼方法
8.4.4 二維染色體編碼
8.5 遺傳算法中的適應(yīng)度函數(shù)
8.5.1 將目標(biāo)函數(shù)轉(zhuǎn)換成適應(yīng)度函數(shù)
8.5.2 標(biāo)定適應(yīng)度函數(shù)
8.6 遺傳算法與優(yōu)化解
8.6.1 適應(yīng)度函數(shù)的確定
8.6.2 線(xiàn)性分級(jí)策略
8.6.3 算法流程
8.7 遺傳算法與預(yù)測(cè)控制
8.8 遺傳算法與神經(jīng)網(wǎng)絡(luò)
8.9 神經(jīng)網(wǎng)絡(luò)的遺傳進(jìn)化訓(xùn)練
8.9.1 遺傳進(jìn)化訓(xùn)練的實(shí)現(xiàn)方法
8.9.2 BP網(wǎng)絡(luò)的遺傳進(jìn)化訓(xùn)練
8.10 小結(jié)
習(xí)題與思考題
附錄 常用神經(jīng)控制術(shù)語(yǔ)漢英對(duì)照
參考文獻(xiàn)