图书信息：

图书简介：

目录

图书信息：

作者：张乃尧等ISBN：9787302029625

印次：1-6

装帧：平装

印刷日期：2005-6-14

图书简介：

神经网络与模糊控制是两种重要的智能控制技术，它们都能模拟人的智能行为，解决不确定、非线性、复杂的自动化问题，具有非常广阔的应用前景。本书以智能控制的观点，对神经网络与模糊控制进行了综合论述，并分析比较了它们的共性、特性、适用范围和相互结合的途径，以使读者更全面地了解智能控制领域的最新研究成果。本书选材精炼、论述简明，介绍和分析了大量的应用实例，包括字符识别、股票预测、旅行商最优路径规划、石灰窑炉辨识、pH值控制、化工反应器故障诊断、机械手、倒立摆、倒车等，便于读者了解各种技术的应用对象、应用方法以及应用效果。

目录

第1章绪论1

1.1神经网络的发展和应用1

1.2人工神经元模型2

1.3用有向图表示神经网络4

1.4网络结构及工作方式5

1.5神经网络的学习方法6

1.5.1学习方式6

1.5.2学习算法(学习规则)6

1.5.3学习与自适应8

习题8

参考文献9

第2章前馈网络10

2.1线性阈值单元10

2.2感知器学习算法11

2.3多层前馈网络及其函数逼近能力11

2.4反向传播学习算法12

2.5改进BP算法收敛速度的一些措施

17

2.6径向基函数网络18

2.7应用举例：23

习题28

参考文献29

第3章学习理论与网络结构选择31

3.1基本概念31

3.2推广问题32

3.3学习过程的统计性质33

3.4函数逼近问题34

3.5关于网络规模选择中的几个问题36

3.6例题37

习题42

参考文献43

第4章反馈网络与联想存储器44

4.1离散的Hopfield网络44

4.2联想存储器及其学习47

4.3相关学习算法48

4.4联想存储器的容量问题49

4.5伪逆法51

4.6线性规划方法51

4.7多余吸引子问题52

4.8应用举例53

4.9双向联想存储器56

习题57

参考文献58

第5章神经网络用于优化计算59

5.1概述59

5.2连续Hopfield网络用于求解TSP

61

5.3离散Hopfield网络用于求解TSP

63

5.4神经网络用于求解货流问题64

5.5在通信网络中的应用举例67

习题68

参考文献69

第6章自组织网络70

6.1主成份分析70

6.2自组织特征映射71

6.3向量量化74

6.4广义学习向量量化算法75

6.5应用举例——指纹识别77

习题80

参考文献80

第7章动态信号与系统的处理81

7.1引言81

7.2带延时单元的网络81

7.3时空神经元模型84

7.4部分反馈网络85

7.5学习问题86

7.6应用举例86

习题93

参考文献93

第8章全局优化95

8.1引言95

8.2随机梯度法95

8.3模拟退火算法95

8.4遗传算法96

8.5遗传算法机理的分析98

8.6讨论99

8.7应用举例100

习题104

参考文献105

第9章神经网络用于非线性

系统辨识106

9.1概述106

9.2基于NARMA模型的辨识方法107

9.2.1问题描述107

9.2.2NARMA模型的参数辨识

108

9.2.3系统辨识的并联模式与

串?并联模式109

9.2.4系统Ⅲ辨识的仿真实验110

9.3通用辨识模型和动态BP算法111

9.3.1通用辨识模型111

9.3.2动态BP算法112

9.4石灰窑炉的神经网络模型114

9.4.1石灰窑炉的生产过程114

9.4.2石灰窑的数学模型115

9.4.3石灰窑的神经网络模型116

习题118

参考文献118

第10章神经网络用于非线性控制119

10.1概述119

10.2控制方案119

10.2.1监督控制119

10.2.2直接逆控制120

10.2.3内模控制120

10.2.4模型预报控制121

10.2.5模型参考控制122

10.2.6再励学习控制122

10.2.7自学习控制与自适

应控制123

10.3内模控制及其在石灰窑炉中

的应用123

10.3.1内模控制系统的分析

与设计123

10.3.2基于神经网络的内

模控制127

10.3.3石灰窑炉的内模控制129

10.4模型预报控制及其在pH值控

制中的应用132

10.4.1模型预报控制的基

本原理132

10.4.2动态矩阵控制(DMC)

135

10.4.3pH值的神经网络模

型预报控制137

习题142

参考文献143

第11章神经网络用于机器人控制144

11.1机器人的控制问题144

11.2CMAC网络145

11.2.1模型结构145

11.2.2工作原理147

11.2.3学习算法150

11.3用CMAC网络解决机械手的逆

运动学问题151

11.3.1三关节机械手在二维

平面的运动151

11.3.2解决方案152

11.3.3机械手的正模型NN1

153

11.3.4机械手的逆模型NN2

154

11.3.5仿真实验155

11.4用CMAC网络解决机械手的逆

动力学问题158

11.4.1二关节机械手的伺

服控制158

11.4.2控制方案158

11.4.3仿真实验结果159

11.4.4CMAC设计参数对控制

性能的影响160

11.4.5控制系统的鲁棒性和自

适应能力162

11.4.6CMAC网络的优缺点

164

习题164

参考文献165

第12章模糊数学基础166

12.1概述166

12.2模糊集合167

12.2.1模糊集合的定义167

12.2.2模糊集合的表示法168

12.2.3常用的隶属函数169

12.2.4模糊集合的基本运算169

12.2.5分解定理172

12.2.6扩张定理173

12.3模糊关系174

12.3.1模糊关系的定义174

12.3.2模糊关系的运算175

12.3.3模糊关系的性质176

12.4模糊推理177

12.4.1广义前向推理和广义

反向推理177

12.4.2模糊命题178

12.4.3模糊蕴含179

12.4.4模糊推理181

习题181

参考文献183

第13章模糊控制理论184

13.1模糊控制器的基本结构184

13.2D?FC的工作原理186

13.3C?FC的工作原理189

13.4模糊控制器的种类和设计参数194

13.4.1D?FC和C?FC194

13.4.2PD，PI，PID型的模糊

控制器194

13.4.3控制规则的三种类型195

13.4.4模糊控制器的主要设

计因素196

13.4.5模糊控制的特点和理论

研究问题198

13.5典型模糊控制器的结构分析199

13.5.1概述199

13.5.2典型模糊控制器及其

设计参数199

13.5.3典型模糊控制器的

结构特性201

13.5.4对模糊控制器的几

点认识207

13.6模糊控制系统的稳定性分析和

设计方法207

13.6.1模糊系统的T?S模型

207

13.6.2模糊方块图209

13.6.3稳定性分析212

13.6.4设计方法214

习题215

参考文献216

第14章模糊神经网络用于非线性

系统建模和故障诊断217

14.1模糊系统与神经网络217

14.2模糊系统的函数逼近能力218

14.2.1模糊基函数218

14.2.2模糊系统的通用逼近性

219

14.3用神经网络来构造模糊系统221

14.4用模糊神经网络辨识非线性系统

227

14.4.1实验对象227

14.4.2结构辨识227

14.4.3参数辨识230

14.5CSTR控制系统的在线故障诊断232

14.5.1CSTR控制系统简介232

14.5.2故障诊断的方案233

14.5.3故障诊断实验结果234

习题235

参考文献235

第15章基于神经网络的模糊自

适应控制236

15.1概述236

15.2用DCL算法从数据中提取

模糊规则237

15.2.1倒车实验237

15.2.2倒车的模糊控制237

15.2.3DCL学习算法239

15.2.4从输入输出数据中提取

模糊规则240

15.3基于模糊神经网络的模型参考自

适应控制242

15.3.1基于模糊神经网络的

MRAC方案242

15.3.2模糊神经网络结构243

15.3.3模糊神经网络的

学习方法244

15.3.4自适应学习率246

15.3.5非线性对象的模糊自适

应控制实验247

15.4采用再励学习的模糊自适应控制

252

15.4.1GARIC的系统结构252

15.4.2GARIC的工作原理253

15.4.3GARIC的学习方法256

15.4.4倒立摆的自适应控

制实验257

习题261

参考文献361