神经网络控制PDF电子书下载

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GA 182

5-4-4 可变长个体与MessyGA 183

5-4-5 基于小生境技术的GA 185

5-4-6 混合GA 186

5-4-7 导入年龄结构的GA 187

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