神经模糊控制理论及应用

　　 第一篇 神经网络理论及其MATLAB实现
　　第1章 神经网络理论
　　 1.1 神经网络的基本概念
　　 1.1.1 生物神经元的结构与功能特点
　　 1.1.2 人工神经元模型
　　 1.1.3 神经网络的结构
　　 1.1.4 神经网络的工作过程
　　 1.1.5 神经网络的学习
　　 1.1.6 神经网络的分类
　　 1.2 典型神经网络的模型
　　 1.2.1 MP模型
　　 1.2.2 感知机神经网络
　　 1.2.3 自适应线性神经网络
　　 1.2.4 BP神经网络
　　 1.2.5 径向基神经网络
　　 1.2.6 竞争学习神经网络
　　 1.2.7 学习向量量化神经网络
　　 1.2.8 Elman神经网络
　　 1.2.9 Hopfield神经网络
　　 1.2.10 Boltzmann神经网络
　　 1.3 神经网络的训练
　　 小结
　　 练习题1
　　第2章 MATLAB神经网络工具箱
　　 2.1 MATLAB神经网络工具箱函数
　　 2.1.1 神经网络工具箱中的通用函数
　　 2.1.2 感知机神经网络MATLAB函数
　　 2.1.3 线性神经网络MATLAB函数
　　 2.1.4 BP神经网络MATLAB函数
　　 2.1.5 径向基神经网络MATLAB函数
　　 2.1.6 自组织神经网络MArLAB函数
　　 2.1.7 学习向量量化神经网络MATLAB函数
　　 2.1.8 Elman神经网络MATIAB函数
　　 2.1.9 Hopfield神经网络MATLAB函数
　　 2.1.10 Demos演示功能
　　 2.2 MATLAB神经网络工具箱的图形用户界面
　　 2.2.1 神经网络编辑器
　　 2.2.2 神经网络拟合工具
　　 2.3 基于Simulink的神经网络模块
　　 2.3.1 模块的设置
　　 2.3.2 模块的生成
　　 2.4 神经网络在系统预测和故障诊断中的应用
　　 2.4.1 系统输入/输出数据的处理
　　 2.4.2 基于神经网络的系统预测
　　 2.4.3 基于神经网络的故障诊断
　　 小结
　　 练习题2
　　第3章 神经网络控制系统
　　 3.1 神经网络控制理论
　　 3.1.1 神经控制的基本原理
　　 3.1.2 神经网络在控制中的主要作用
　　 3.1.3 神经网络控制系统的分类
　　 3.2 基于Simulink的三种典型的神经网络控制系统
　　 3.2.1 神经网络模型预测控制
　　 3.2.2 反馈线性化控制
　　 3.2.3 模型参考控制
　　 小结
　　 练习题3
　　 第二篇 模糊逻辑理论及其MATLAB实现
　　第4章 模糊逻辑理论
　　 4.1 模糊逻辑理论的基本概念
　　 4.1.1 模糊集合及其运算
　　 4.1.2 模糊关系及其合成
　　 4.1.3 模糊向量及其运算
　　 4.1.4 模糊逻辑规则
　　 4.1.5 模糊逻辑推理
　　 4.2 模糊逻辑控制系统的基本结构
　　 4.2.1 模糊控制系统的组成
　　 4.2.2 模糊控制器的基本结构
　　 4.2.3 模糊控制器的维数
　　 4.2.4 模糊控制中的几个基本运算操作
　　 4.3 模糊逻辑控制系统的基本原理
　　 4.3.1 模糊化运算
　　 4.3.2 数据库
　　 4.3.3 规则库
　　 4.3.4 模糊推理
　　 4.3.5 清晰化计算
　　 4.4 离散论域的模糊控制系统的设计
　　 4.5 具有PID功能的模糊控制器
　　 小结
　　 练习题4
　　第5章 MATLAB模糊逻辑工具箱
　　 5.1 MATLAB模糊逻辑工具箱简介
　　 5.1.1 模糊逻辑工具箱的功能特点
　　 5.1.2 模糊推理系统的基本类型
　　 5.1.3 模糊逻辑系统的构成
　　 5.2 利用MATLAB模糊逻辑工具箱建立模糊推理系统
　　 5.2.1 模糊推理系统的管理函数
　　 5.2.2 模糊语言变量及其语言值
　　 5.2.3 模糊语言变量的隶属度函数
　　 5.2.4 模糊规则的建立与修改
　　 5.2.5 模糊推理计算与去模糊化
　　 5.2.6模糊推理在控制系统中的应用
　　 5.3 MATLAB模糊逻辑工具箱的图形用户界面
　　 5.3.1 模糊推理系统编辑器(Fuzzy)
　　 5.3.2 隶属度函数编辑器(Mfedit)
　　 5.3.3 模糊规则编辑器(Ruleedit)
　　 5.3.4 模糊规则浏览器(Ruleview)
　　 5.3.5 模糊推理输入/输出曲面浏览器(Surfview)
　　 5.4 基于Simulink的模糊逻辑的系统模块
　　 小结
　　 练习题5
　　第6章 模糊神经和模糊聚类及其MATLAB实现
　　 6.1 基于Mamdani模型的模糊神经网络
　　 6.1.1 模糊系统的Mamdani模型
　　 6.1.2 系统结构
　　 6.1.3 学习算法
　　 6.2 基于Takagi-Sugeno模型的模糊神经网络
　　 6.2.1 模糊系统的Takagi-Sugeno模型
　　 6.2.2 系统结构
　　 6.2.3 学习算法
　　 6.3 自适应神经模糊系统及其MATLAB实现
　　 6.3.1 采用网格分割方式生成模糊推理系统
　　 6.3.2 自适应神经模糊系统的建模
　　 6.3.3 自适应神经模糊推理系统在建模中的应用
　　 6.3.4 自适应神经模糊推理系统的图形界面编辑器
　　 6.4 模糊聚类及其MATLAB实现
　　 6.4.1 模糊C-均值聚类函数
　　 6.4.2 模糊减法聚类函数
　　 6.4.3 基于减法聚类的模糊推理系统建模函数
　　 6.4.4 模糊C-均值和减法聚类的图形用户界面
　　 小结
　　 练习题6
　　附录A MATLAB程序清单
　　附录B MATLAB函数一览表
　　附录C MATLAB函数分类索引
　　参考文献