人工神经网络原理及其应用PDF电子书下载

1 绪论 1

1.1 人脑信息处理的特点 1

1.2 人工神经网络发展简史 3

1.3 人工神经网络的现状与前景 4

2 人工神经网络的基本原理与算法 6

2.1 生物神经元 6

2.2 人工神经元 7

2.3 简单神经元的学习 10

2.4 单层感知器的局限性 15

3 多层人工神经网络(多层感知器) 17

3.1 引言 17

3.2 多层人工神经网络的学习规则 19

3.3 用多层人工神经网络解决异或问题 24

3.4 用作分类器的多层人工神经网络 26

3.5 人工神经网络的归纳能力与容错能力 31

3.6 人工神经网络学习中存在的困难及其对策 32

4 Kohonen 自组织网络 34

4.1 引言 34

4.2 Kohonen 算法 36

4.3 权重的调整 38

4.4 相邻单元 39

4.5 学习矢量的量化 42

5 Hopfield 网络 43

5.1 引言 44

5.2 模式的存储与调用 46

6.1.1 引言 50

6 负荷预报及网损计算的人工神经网络方法 50

6.1 短期负荷预报的人工神经网络方法 50

6.1.2 负荷分类与负荷特征 52

6.1.3 人工神经网络 53

6.1.4 反传算法的负荷预报 56

6.1.5 结论 65

6.2 自适应线性神经网络在负荷预报上的应用 66

6.2.1 引言 66

6.2.2 基本思路 67

6.2.3 功率谱分析和负荷的分解 68

6.2.4 自适应神经元 72

6.2.5 负荷分量的预报 75

6.2.6 模拟计算结果与结果评价 78

6.2.7 小结 81

6.3 网损计算的人工神经元方法 82

6.3.1 引言 82

6.3.2 基本方法 83

6.3.3 实际计算结果 88

7 电力系统稳定分析的人工神经网络方法 93

7.1 人工神经网络技术为基础的电力系统动态稳定分析 94

7.1.1 引言 94

7.1.2 矩阵法的基本思想 95

7.1.3 自组织特征映射算法(SOFM) 97

7.1.4 Kohonen 模型在电力系统动态稳定中的应用 102

7.1.5 模拟结果 104

7.2.1 引言 111

7.2 人工神经网络为基础的多机电力系统稳定器 111

7.2.2 以人工神经网络为基础的 PSS 112

7.2.3 多机系统中的 ANN PSS 115

7.2.4 小结 123

7.3 调整电力系统稳定器的人工神经网络方法 123

7.3.1 引言 123

7.3.2 问题的提法 125

7.3.3 人工神经网络的设计 127

7.3.4 人工神经网络在 PSS 参数调整中的应用 130

7.4 人工神经网络在同步电机动态稳定分析中的应用 136

7.4.1 问题的提出 137

7.4.2 发电机动态稳定分析的神经网络方法 140

8.1.1 引言 145

8 电力系统辨识与测量的人工神经网络方法 145

8.1 无功功率测量的人工神经网络方法 145

8.1.2 电弧炉模型 146

8.1.3 问题的提法 147

8.1.4 误差反传神经网络 152

8.1.5 通过神经网络计算瞬时无功功率 153

8.1.6 结果 155

8.2 电压与电流波形实时识别的人工神经网络方法 159

8.2.1 引言 159

8.2.2 问题的提法 159

8.2.3 L？模(切比雪夫模)判据 161

8.2.4 最小二乘法和最小绝对值法判据 164

8.2.6 结论 165

8.2.5 计算机模拟试验 165

8.3 检测高阻故障的人工神经网络方法 169

8.3.1 引言 169

8.3.2 人工神经网络的结构、算法与数据处理 170

8.3.3 故障检测器的实现 174

8.3.4 小结 179

8.4 汽轮发电机转子匝间短路定位的模糊人工神经网络方法 179

8.4.1 引言 179

8.4.2 测量系统 180

8.4.3 模糊神经网络 182

8.4.4 现场试验 183

8.4.5 小结 186

8.5 电力系统谐波源的监控与辨识 186

8.5.1 谐波状态估计 187

8.5.2 模拟试验 188

9 人工神经网络与其他学科的联合应用 197

9.1 互联系统暂态稳定分析的人工神经网络与模式识别交互方法 197

9.1.1 以模式识别为基础的安全性转移功率极限计算 198

9.1.2 神经网络为基础的负荷预报方法说明 208

9.1.3 小结 210

9.2 配电线电容器调度的人工神经网络与动态规划方法的联合应用 211

9.2.1 引言 211

9.2.2 用动态规划法的配电线电容器调度 213

9.2.3 用欧几里得方法和自组织神经网络方法的分块 218

9.2.4 数值结果 222

9.2.5 讨论与结论 228

后记 230

参考文献 231