神经网络及其在汽车工程中的应用PDF电子书下载

第一章 绪论 1

1.1 什么是人工神经网络 2

1.2 人工神经网络的特点 3

1.3 人工神经网络发展简史 9

第二章 人工神经网络的基本概念 15

2.1 生物神经元结构 15

2.2 人工神经元 17

2.2.1 人工神经元结构 17

2.2.2 转移函数 19

2.3 人工神经网络的拓扑结构 21

2.3.1 前馈式网络 22

2.3.2 反馈式网络 26

2.3.3 混合式网络 27

2.4 人工神经网络的工作过程 27

2.4.1 学习过程 27

2.4.2 运行过程 29

2.5 神经网络的学习规则 32

2.5.1 Hebb学习规则 33

2.5.2 感知器学习规则 35

2.5.3 Delta学习规则 36

2.5.4 Widrow-Hoff学习规则 39

2.5.5 相关学习规则 40

2.5.6 胜者为王学习规则 40

2.5.7 外星学习规则 41

第三章 前馈神经网络 43

3.1 感知器 44

3.2 多层感知器 52

3.3 自适应线性神经元组成的网络 55

3.3.1 ADALINE 55

3.3.2 LMS算法 56

3.3.3 ADALINE的应用 59

3.4 BP算法 61

3.4.1 单层网络的BP算法 62

3.4.2 多层网络的BP算法 68

3.4.3 BP算法的向量表达式 70

3.4.4 BP算法的信号流图 73

3.4.5 标准BP算法与累积误差BP算法 74

3.5 BP网络的泛化能力 77

3.6 BP网络与专家系统 79

3.7 标准BP算法的改进 84

3.8 径基函数网络 89

第四章 反馈网络 96

4.1 反馈网络的概念 97

4.2 离散型Hopfield网络 103

4.2.1 DHNN的拓扑结构 104

4.2.2 稳定性与吸引子 109

4.2.3 网络容量 119

4.3 连续型Hopfield网络 120

4.3.1 CHNN的拓扑结构 120

4.3.2 能量函数 122

4.4 连续Hopfield网络的应用 123

4.4.1 A/D转换网络 123

4.4.2 TSP问题 127

4.5 递归BP网络 134

4.6 双向联想记忆网络 138

4.6.1 拓扑结构与运行原理 139

4.6.2 Kosko学习规则（外积和法） 141

4.6.3 稳定性与能量函数 142

4.6.4 BAM与DHNN 144

4.6.5 BAM网络的存贮容量 145

4.7 儿种改进的BAM网络 148

4.7.1 多重训练法 148

4.7.2 哑增强法 150

4.7.3 快速增强算法 151

4.8 BAM在模式识别中的应用 161

第五章 随机神经网络 164

5.1 模拟退火算法 166

5.2 Boltzmann机 168

5.2.1 拓扑结构 168

5.2.2 学习算法 170

5.3 Cauchy机 174

6.1 Hamming网络与竞争网络 176

第六章 自组织神经网络 176

6.1.1 Hamming网络 177

6.1.2 竞争网络 180

6.2 聚类的无监督学习 185

6.2.1 相似度的判定 185

6.2.2 胜者为王的学习规则 187

6.2.3 死神经元问题 193

6.2.4 Kohonen网络聚类的局限性 194

6.3 自组织特征映射神经网络 195

6.3.1 特征映射的概念 195

6.3.2 自组织特征映射网络的算法 202

6.3.3 输入向量归一化问题 208

6.4 对偶传播网络 210

6.5 自适应共振理论网络 214

6.5.1 ART1网络工作原理 216

6.5.2 ART1的拓扑结构 217

6.5.3 网络工作原理 219

6.5.4 ART1应用实例 224

第七章 神经网络应用设计 232

7.1 哪些领域适于应用ANN技术？ 232

7.2 前馈网络设计 238

7.2.1 隐层数的确定 239

7.2.2 隐层神经元数的确定 240

7.2.3 训练次数的确定 245

7.2.4 训练集的设计 247

7.2.5 初始权值的选择 250

7.2.6 网络泛化能力的检验 252

7.3 变量的选择 253

7.4 变量表示法 254

7.4.1 输入 254

7.4.2 输出 259

7.5 网络数据的准备 261

7.5.1 归一化 261

7.5.2 标准化 262

7.5.4 变换 264

7.5.3 重新定标 264

7.6 网络权值分析 265

第八章 神经网络在汽车工程中的应用 269

8.1 机械式汽车自动变速器最佳挡位判定 270

8.1.1 换挡规律的在线学习 271

8.1.2 换挡死区问题 272

8.2 四轮车辆转向的主动控制（方案一） 273

8.2.1 车辆动态模型离线辨识 274

8.2.2 系统辨识结果 275

8.2.3 神经控制器 276

8.2.4 车辆动态模型在线辨识 278

8.3 四轮车辆转向的主动控制（方案二） 279

8.3.1 混合式车辆动态模型辨识 280

8.3.2 混合式控制系统 282

8.3.3 仿真结果 283

8.4 神经驾驶员—车—路闭环转向控制系统 284

8.4.1 工作原理 285

8.4.2 硬件环境 287

8.4.3 实验结果 288

8.5 神经网络自动刹车控制系统 290

8.5.1 自动刹车控制系统 290

8.5.2 前馈控制器的学习 295

8.6 载重车柴油机燃烧系统的优化问题 296

8.6.1 问题的提出 296

8.6.2 训练样本的获取 297

8.6.3 数据的表示 298

8.6.4 多层前馈网络的逆映射问题 300

8.7 神经轮胎的动态模型 302

8.8 带噪声汽车牌照的识别 304

第九章 MATLAB语言 308

9.1 概述 308

9.2 MATLAB有关函数及命令 311

9.3 程序实例 318

9.3.1 两隐层BP算法通用程序 318

9.3.2 自组织特征映射（KOHONEN算法）通用程序 324

参考文献 328