神經(jīng)網(wǎng)絡(luò)與MATLALB仿真

內(nèi)容概要

　　《神經(jīng)網(wǎng)絡(luò)與MATLALB仿真》共分為9章。第1章敘述了神經(jīng)網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)控制的基礎(chǔ)知識；第2章至第6章分別研究了單神經(jīng)元網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、CMAC神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)和它們在控制中的應(yīng)用；第7章研究了神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識，特別分析了對非線性系統(tǒng)的辨識問題，并給出相應(yīng)的仿真實例；第8章研究了神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)；第9章研究了模糊神經(jīng)控制系統(tǒng)?！　　渡窠?jīng)網(wǎng)絡(luò)與MATLALB仿真》的所有范例采用MATIAB語言開發(fā)，讀者可參考書中開放的源代碼，對相關(guān)的內(nèi)容進(jìn)行對照驗證，以獲得更深入的理解?！　　渡窠?jīng)網(wǎng)絡(luò)與MATLALB仿真》可作為人工智能及智能控制、計算機(jī)科學(xué)與技術(shù)、自動化、飛行器設(shè)計、電子工程等專業(yè)的研究生和高年級本科生的教材和教學(xué)參考書，也可作為上述領(lǐng)域的科學(xué)工作者和工程技術(shù)人員從事人工神經(jīng)網(wǎng)絡(luò)及應(yīng)用的參考用書。

書籍目錄

第1章  神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)控制基礎(chǔ)  1.1  什么是神經(jīng)網(wǎng)絡(luò)    1.1.1  生物神經(jīng)元    1.1.2  人工神經(jīng)元模型    1.1.3  神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)    1.1.4  神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)    1.1.5  神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程  1.2  什么是神經(jīng)網(wǎng)絡(luò)控制    1.2.1  傳統(tǒng)控制理論的局限性    1.2.2  智能控制的基本特征    1.2.3  神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的特點(diǎn)    1.2.4  神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的基本原理  1.3  神經(jīng)網(wǎng)絡(luò)在神經(jīng)控制系統(tǒng)中的作用  1.4  注釋與討論第2章  單神經(jīng)元網(wǎng)絡(luò)及其PID控制  2.1  感知器    2.1.1  感知器模型    2.1.2  感知器訓(xùn)練算法    2.1.3  感知器收斂定理    2.1.4  XOR問題與多層感知器  2.2  自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)    2.2.1  自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)    2.2.2  自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法  2.3  無約束最優(yōu)化技術(shù)    2.3.1  梯度下降法    2.3.2  Newton法    2.3.3  Gauss-Newton法  2.4  基于單神經(jīng)元網(wǎng)絡(luò)的PID控制    2.4.lPID控制原理    2.4.2  數(shù)字PID控制    2.4.3  單神經(jīng)元自適應(yīng)PID控制  2.5  注釋與討論第3章  BP神經(jīng)網(wǎng)絡(luò)及其控制應(yīng)用  3.1  反向傳播學(xué)習(xí)算法    3.1.1  BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)    3.1.2  反向傳播算法    3.1.3  BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)步驟  3.2  關(guān)于BP神經(jīng)網(wǎng)絡(luò)的幾點(diǎn)考慮    3.2.1  網(wǎng)絡(luò)的訓(xùn)練方式    3.2.2  反向傳播學(xué)習(xí)的停止準(zhǔn)則    3.2.3  BP神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)    3.2.4  學(xué)習(xí)率的考慮    3.2.5  BP學(xué)習(xí)算法的改進(jìn)  3.3  BP神經(jīng)網(wǎng)絡(luò)在PID控制中的應(yīng)用    3.3.1  基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器結(jié)構(gòu)    3.3.2  在控制器中BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)    3.3.3  仿真實驗與分析  3.4  注釋與討論第4章  基于徑向基函數(shù)網(wǎng)絡(luò)的系統(tǒng)辨識  4.1  徑向基函數(shù)網(wǎng)絡(luò)    4.1.1  徑向基函數(shù)網(wǎng)絡(luò)的結(jié)構(gòu)    4.1.2  徑向基函數(shù)網(wǎng)絡(luò)的學(xué)習(xí)算法    4.1.3  徑向基函數(shù)網(wǎng)絡(luò)的模式可分性    4.1.4  徑向基函數(shù)網(wǎng)絡(luò)對XOR問題的解決    4.1.5  與RBF網(wǎng)絡(luò)有關(guān)的若干問題  4.2  徑向基函數(shù)網(wǎng)絡(luò)的數(shù)學(xué)基礎(chǔ)    4.2.1  內(nèi)插值問題    4.2.2  正則化網(wǎng)絡(luò)  4.3  基于RBF網(wǎng)絡(luò)的系統(tǒng)辨識    4.3.1  被控對象Jacobian信息辨識算法    4.3.2  仿真程序及分析  4.4  注釋與討論第5章  CMAC網(wǎng)絡(luò)及其控制實現(xiàn)  5.1  CMAC網(wǎng)絡(luò)    5.1.1  CMAC網(wǎng)絡(luò)的結(jié)構(gòu)    5.1.2  CMAC網(wǎng)絡(luò)的工作原理    5.1.3  CMAC網(wǎng)絡(luò)的學(xué)習(xí)算法  5.2  基于CMAC網(wǎng)絡(luò)的PID控制算法    5.2.1  控制算法原理    5.2.2  仿真程序及分析  5.3  CMAC網(wǎng)絡(luò)在機(jī)器人手臂控制中的應(yīng)用  5.4  注釋與討論第6章  遞歸神經(jīng)網(wǎng)絡(luò)及其控制系統(tǒng)  6.1  神經(jīng)動力學(xué)基礎(chǔ)    6.1.1  動力學(xué)系統(tǒng)    6.1.2  狀態(tài)(相)空間    6.1.3  穩(wěn)定性的相關(guān)定義    6.1.4  Lyapunov穩(wěn)定性定理  6.2  Hopfield神經(jīng)網(wǎng)絡(luò)    6.2.1  離散Hopfield神經(jīng)網(wǎng)絡(luò)    6.2.3  基于離散Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶    6.2.3  連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)    6.2.4  基于連續(xù)Hopfield網(wǎng)絡(luò)的TSP求解  6.3  基于Hopfield網(wǎng)絡(luò)的PID模型參考自適應(yīng)控制    6.3.1  神經(jīng)直接模型參考自適應(yīng)控制系統(tǒng)    6.3.2  基于Hopfield網(wǎng)絡(luò)的控制器優(yōu)化    6.3.3  仿真程序與分析  6.4  遞歸神經(jīng)網(wǎng)絡(luò)    6.4.1  遞歸神經(jīng)網(wǎng)絡(luò)的體系結(jié)構(gòu)    6.4.2  遞歸神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法  6.5  基于遞歸神經(jīng)網(wǎng)絡(luò)辨識的PID控制系統(tǒng)    6.5.1  基于Elman神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識    6.5.2  基于Elman神經(jīng)網(wǎng)絡(luò)辨識的PID控制系統(tǒng)    6.5.3  仿真程序及分析  6.6  注釋與討論第7章  基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識  7.1  系統(tǒng)辨識基礎(chǔ)    7.1.1  什么是系統(tǒng)辨識    7.1.2  系統(tǒng)辨識的基本方法    7.1.3  系統(tǒng)辨識的誤差準(zhǔn)則    7.1.4  系統(tǒng)辨識的輸入信號  7.2  基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識原理    7.2.1  基于神經(jīng)網(wǎng)絡(luò)的辨識結(jié)構(gòu)    7.2.2  動態(tài)系統(tǒng)辨識中常用的神經(jīng)網(wǎng)絡(luò)  7.3  線性動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識    7.3.1  離散時間系統(tǒng)模型    7.3.2  線性動態(tài)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識    7.3.3  線性動態(tài)系統(tǒng)的逆模型辨識  7.4  非線性動態(tài)系統(tǒng)神經(jīng)網(wǎng)絡(luò)的辨識    7.4.1  非線性動態(tài)系統(tǒng)模型    7.4.2  非線性動態(tài)系統(tǒng)辨識    7.4.3  仿真程序與分析  7.5  注釋與討論第8章  神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)  8.1  神經(jīng)自校正控制系統(tǒng)    8.1.1  伴隨型系統(tǒng)的神經(jīng)NARMA-L2辨識    8.1.2  基于NARMA-L2辨識器的自校正控制    8.1.3  仿真實例分析  8.2  神經(jīng)模型預(yù)測控制系統(tǒng)    8.2.1  神經(jīng)模型預(yù)測控制的工作過程    8.2.2  單步預(yù)測模型的單神經(jīng)元PI控制器    8.2.3  仿真實例分析  8.3  神經(jīng)模型參考自適應(yīng)控制系統(tǒng)    8.3.1  神經(jīng)模型參考自適應(yīng)控制結(jié)構(gòu)    8.3.2  實例分析——機(jī)械臂控制系統(tǒng)  8.4  神經(jīng)PID多變量控制系統(tǒng)    8.4.1  神經(jīng)PID多變量控制原理    8.4.2  單神經(jīng)元PID多變量控制    8.4.3  仿真程序及分析  8.5  注釋與討論第9章  模糊神經(jīng)控制系統(tǒng)  9.1  模糊集理論基礎(chǔ)    9.1.1  模糊集定義    9.1.2  模糊集的模運(yùn)算    9.1.3  分解定理、表現(xiàn)定理與擴(kuò)張原理    9.1.4  模糊數(shù)與擴(kuò)張運(yùn)算    9.1.5  模糊關(guān)系與模糊關(guān)系的復(fù)合    9.1.6  模糊語言變量、模糊規(guī)則與模糊邏輯推理  9.2  模糊邏輯控制系統(tǒng)    9.2.1  模糊控制的基本原理    9.2.2  模糊控制系統(tǒng)的設(shè)計  9.3  模糊神經(jīng)網(wǎng)絡(luò)控制    9.3.1  模糊神經(jīng)元    9.3.2  模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)    9.3.3  BP模糊神經(jīng)網(wǎng)絡(luò)    9.3.4  基于模糊神經(jīng)網(wǎng)絡(luò)整定的PID控制  9.4  注釋與討論參考文獻(xiàn)

編輯推薦

近年來作者一直從事神經(jīng)網(wǎng)絡(luò)控制的教學(xué)和研究工作，為了促進(jìn)神經(jīng)控制和智能控制的進(jìn)步，使廣大研究生或工程技術(shù)人員更快地了解、掌握和應(yīng)用這一領(lǐng)域的相關(guān)方法，學(xué)會用MATLAB語言進(jìn)行神經(jīng)網(wǎng)絡(luò)控制的設(shè)計與實現(xiàn)編寫了本書，由張澤旭編著的《神經(jīng)網(wǎng)絡(luò)控制與MATLAB仿真》以拋磚引玉，供廣大讀者學(xué)習(xí)參考。

圖書封面

評論、評分、閱讀與下載

---

    神經(jīng)網(wǎng)絡(luò)與MATLALB仿真 PDF格式下載

---