神经网络控制PDF|Epub|txt|kindle电子书版本网盘下载

神经网络控制PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪言1

1-1 人工神经网络的特点1

1-2 神经网络控制取得的进展2

1-3 神经网络控制待解决的问题4

第2章 神经网络理论基础5

2-1 引言5

2-2 生物神经元与人工神经元模型7

2-2-1 生物神经元7

2-2-2 MP模型8

2-2-3 其他形式的作用函数10

2-2-4 Hebb学习规则11

2-3 感知器11

2-3-1 单层感知器11

2-3-2 多层感知器15

2-4 多层前馈网络与BP学习算法18

2-4-1 网络结构18

2-4-2 BP学习算法18

2-4-3 有关的几个问题21

2-5 自适应线性神经元23

2-6-1 网络输出计算26

2-6 径向基函数神经网络26

2-6-2 网络的学习算法27

2-6-3 有关的几个问题29

2-7 小脑模型神经网络33

2-7-1 CMAC的结构及工作原理33

2-7-2 CMAC的学习算法及分析35

2-7-3 有关的几个问题39

2-8 PID神经网络42

2-8-1 网络结构与输出计算42

2-8-2 学习算法44

2-9-1 网络结构46

2-8-3 有关的两个问题46

2-9 全递归型神经网络46

2-9-2 BPTT算法47

2-9-3 RTRL算法50

2-10 局部递归型神经网络51

2-10-1 内时延反馈型网络51

2-10-2 外时延反馈型网络54

2-11 连续型Hopfield网络55

2-11-1 网络的描述55

2-11-2 网络的稳定性56

2-11-4 有关的几个问题57

2-11-3 学习算法57

2-12 小结58

习题59

第3章 基于神经网络的系统辨识60

3-1 引言60

3-2 系统辨识的基础知识61

3-2-1 系统辨识的基本原理61

3-2-2 误差准则62

3-2-3 辨识精度63

3-2-4 辨识的主要步骤63

3-3-1 系统模型及逆模型的辨识64

3-3 基于神经网络的系统辨识原理64

3-3-2 动态系统辨识常用的神经网络65

3-3-3 两种辨识结构68

3-4 线性动态系统模型与辨识69

3-4-1 确定性系统模型69

3-4-2 随机系统模型73

3-4-3 确定性系统的神经网络辨识75

3-4-4 随机系统的神经网络辨识78

3-5 非线性动态系统模型与辨识83

3-5-1 非线性系统模型83

3-5-2 神经网络系统辨识84

3-6-1 线性系统的逆模型98

3-6 线性动态系统的逆模型与辨识98

3-6-2 神经网络逆模型辨识101

3-7 非线性动态系统逆模型与辨识103

3-7-1 非线性系统的逆与可逆性103

3-7-2 非线性系统逆模型105

3-7-3 神经网络逆模型辨识107

3-8小结113

习题113

4-2 神经网络控制的设计与实现115

4-2-1 神经网络控制的设计115

第4章 神经网络控制115

4-1 引言115

4-2-2 神经网络控制的实现117

4-3 神经自校正控制119

4-3-1 神经自校正控制结构120

4-3-2 神经网络辨识器121

4-4 神经PID控制124

4-4-1 神经网络辨识器125

4-4-2 神经PID控制器126

4-5 神经模型参考自适应控制129

4-6 神经内模控制132

4-6-1 内模控制原理133

4-6-2 线性内模控制设计135

4-6-3 神经非线性内模控制139

4-7 PID神经网络控制144

4-7-1 PID神经网络单变量控制144

4-7-2 PID神经网络多变量控制147

4-8 小脑模型神经控制155

4-8-1 CMAC直接逆运动控制155

4-8-2 CMAC前馈控制158

4-8-3 CMAC反馈控制159

4-9 再励学习与神经控制160

4-9-1 再励学习原理160

4-9-2 再励学习算法161

4-9-3 再励学习神经控制163

4-10 小结164

习题165

第5章 遗传算法与神经控制166

5-1 引言166

5-2-2 基本的遗传算法概述167

5-2-1 生物的遗传、进化和适应性167

5-2 基本的遗传算法167

5-2-3 遗传操作170

5-2-4 GA的有效性173

5-2-5 适应度及调整174

5-2-6 有关的几个问题176

5-3 模式定理178

5-3-1 模式178

5-3-2 基本算子对模式的影响179

5-4-2 高级算子181

5-4-1 交叉、变异概率的自适应调整181

5-4 遗传算法的发展181

5-4-3 并行GA182

5-4-4 可变长个体与MessyGA183

5-4-5 基于小生境技术的GA185

5-4-6 混合GA186

5-4-7 导入年龄结构的GA187

5-4-8 基于基因分布评价的适应度调整187

5-4-9 GA理论研究188

5-5 遗传算法与函数最优化189

5-6 遗传算法与系统辨识195

5-7 神经网络的遗传进化训练203

5-8 遗传算法与神经控制207

5-9 小结212

习题213

附录A 梯度下降法214

A-1 迭代算法214

A-2 步长的选择215

A-3 一般迭代算法215

A-4 梯度下降法的不足216

附录B 赋范空间的逼近217

B-1 距离空间217

B-2 线性赋泛空间218

B-3 Banach空间220

B-4 最佳逼近220

B-5 最佳逼近元的存在性和惟一性221

B-6 最佳一致逼近221

B-7 L2逼近222

附录C 无监督学习的两种动态聚类算法223

C-1 聚类分析223

C-2 两种动态聚类法224

C-3 几点说明227

D-1 镜像映射法228

附录D 镜像映射最小二乘解法228

D-2 正交矩阵229

D-3 镜像映射矩阵229

D-4 矩车三角化230

D-5 正交矩阵的求取232

附录E B样条函数233

E-1 样条函数233

E-2 B样条函数235

E-3 函数的插值与逼近239

F-1 有关的定义240

附录F Lyapunov第二方法240

F-2 Lyapunov第二方法242

附录G M序列及逆M序列243

G-1 M序列243

G-2 逆M序列245

附录H Z变换248

H-1 Z变换的定义248

H-2 Z变换的性质249

H-3 Z反变换251

附录I 线性连续系统的Z传递函数252

参考文献255