第1章 绪论 1
1.1 当代信息高科技热点——神经网络 1
目录 1
1.2 神经网络的发展史 2
1.3 神经细胞及神经网络 3
1.4 脑神经信息活动的特征 4
1.5 人工神经网络及其特征 5
1.6.1 现行计算机编程的瓶颈问题 7
1.6.2 神经网络研究的意义 7
1.6 神经网络研究的意义及应用前景 7
1.6.3 神经网络的应用前景 8
第2章 神经网络的计算模型 10
2.1 简单人工神经元模型 11
2.1.1 M-P模型 11
2.1.2 连续的神经元模型 11
2.2 感知器模型 12
2.2.1 单层感知器网络 13
2.2.2 多层感知器网络 14
2.2.3 多层感知器的设计 17
2.3.1 离散型Hopfield网络 18
2.3 Hopfield网络模型 18
2.2.4 多层感知器实例 18
2.3.2 连续型Hopfield网络 22
2.4 自组织竞争网络模型 25
2.4.1 自适应共振理论模型 26
2.4.2 自组织映射模型 28
第3章 神经网络的学习机理 31
3.1 人工神经网络的学习功能 31
3.2 误差修正型学习 32
3.2.1 感知器学习 32
3.2.2 Adaline/Madaline学习 34
3.2.3 反向传播网络学习 37
3.3 自组织竞争学习 44
3.3.1 竞争学习 45
3.3.2 自组织映射学习 47
3.3.3 二值自适应共振理论网络的学习 48
第4章 神经网络在机械制造业中的应用 51
4.1 神经网络与成组技术 51
4.2 神经网络与工程设计 52
4.2.1 知识表达 52
4.2.2 求解策略 53
4.2.3 算法 53
4.3.1 神经网络在工件焊接诊断中的应用 54
4.3 神经网络与故障诊断 54
4.3.2 阀门密封圈表面疵点自动识别 55
4.3.3 加工机床的故障诊断 57
4.4 机器视觉和物体识别 61
第5章 神经网络在自动控制中的应用 62
5.1 引论 62
5.1.1 自动控制的发展与面临的挑战 62
5.1.2 神经网络用于控制的优越性 63
5.2 神经网络与系统辨识 64
5.2.1 系统辨识的神经网络结构 64
5.2.2 逆动力学系统辨识 67
5.2.3 系统辨识仿真实验 68
5.2.4 系统辨识应用 71
5.3 神经网络非线性控制 72
5.3.1 神经控制结构（Ⅰ） 72
5.3.2 神经控制结构（Ⅱ） 75
5.4 神经网络自适应控制 77
5.4.1 神经网络直接自适应控制 77
5.4.2 神经网络间接自适应控制 79
5.4.3 神经网络自适应线性控制 80
5.4.4 神经网络自校正控制 80
5.5.1 小车-倒摆控制 81
5.5 神经控制仿真研究 81
5.5.2 单神经元自适应PID控制器 83
5.5.3 非线性系统自学习控制 86
5.6 神经控制应用 89
5.6.1 神经预测 89
5.6.2 工业过程故障诊断 91
5.6.3 批量进料发酵过程适应控制 94
第6章 神经网络在模糊控制中的应用 97
6.1 模糊集理论简介 97
6.1.1 隶属概念 97
6.1.3 模糊向量及其笛卡尔坐标点 98
6.1.2 模糊子集的简单运算 98
6.1.4 模糊矩阵与模糊关系 99
6.1.5 常见的模糊关系语句及其对应的模糊关系R 100
6.1.6 精确量与模糊量的相互转换 100
6.2 神经模糊控制的系统特点与结构 102
6.2.1 神经网络与模糊控制的特点 102
6.2.2 神经模糊控制的系统结构 103
6.3 神经网络在模糊控制中的应用 104
6.3.1 用神经网络实现模糊逻辑控制 104
6.3.2 神经模糊控制洗衣机 111
参考文献 118