神经网络控制

第1章 绪言.

1-1 人工神经网络的特点

1-2 神经网络在控制领域取得的进展

1-3 神经网络控制系统概述

1-3-1 神经网络控制系统的组成

1-3-2 实时控制

1-3-3 智能控制的分支

1-4 神经网络控制待解决的问题

1-5 关于“例”与“matlab程序”

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

2-2-1 生物神经元

2-2-2 mp模型

2-2-3 多种作用函数

2-2-4 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 线性神经网络

.2-4-1 自适应线性神经元

2-4-2 线性神经网络

2-5 多层前馈网络与bp学习算法

2-5-1 网络结构

2-5-2 bp学习算法

2-5-3 有关的几个问题

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

2-6-4 matlab高斯rbf网络构建法

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 局部递归型神经网络

2-9-1 内时延反馈型网络

2-9-2 外时延反馈型网络

2-10 连续型hopfield网络

2-10-1 网络的描述

2-10-2 网络的稳定性

2-10-3 学习算法

2-10-4 有关的几个问题

2-11 应用simulink设计神经网络

2-12 应用gui设计神经网络

2-13 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

3-4-5 基于连续hopfield网络的线性系统辨识

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

3-8 小结

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 神经网络控制系统的离散化

4-2-2 神经网络控制的设计

4-2-3 神经网络控制的实现

4-3 基于连续hopfield网络的pid控制

4-3-1 基于chnn的pm控制结构

4-3-2 基于chnn的pid控制器参数优化计算

4-3-3 pid控制算法

4-4 神经自校正控制

4-4-1 神经自校正控制结构

4-4-2 神经网络辨识器

4-5 神经pid控制

4-5-1 神经网络辨识器

4-5-2 神经pid控制器

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

4-8-3 cmac反馈控制

4-9 神经控制三例

4-9-1 神经控制器

4-9-2 非线性动态系统

4-9-3 神经控制三例

4-10 再励学习与神经控制

4-10-1 再励学习原理

4-10-2 再励学习算法

4-10-3 再励学习神经控制

4-11 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

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 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 遗传算法与pid控制

5-7-1 线性离散系统的pid参数整定

5-7-2 线性连续系统的pid参数整定

5-8 神经网络的遗传进化训练

5-9 遗传算法与神经控制

5-10 小结

习题

附录a 最优化算法

a-1 最优化问题

a-2 梯度下降法

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唯一性

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 b样条函数

d-1 样条函数

d-2 b样条函数

d-3 函数的插值与逼近

附录e lyapunov第二方法

e-1 有关的定义

e-2 lyapunov第二方法

附录f m序列及逆m序列

f-1 m序列

f-2 逆m序列

参考文献...