1 神经网络与控制引论 1
1.1 神经网络技术的发展与现状 1
1.2 神经网络与系统建模、预报和控制 3
1.3 船舶横摇运动建模与预报 12
1.4 本书的内容和章节安排 13
参考文献 14
2 神经网络的统一描述 18
2.1 神经网络的基本概念 18
2.2 神经元的统一模型 18
2.3 神经网络结构的统一描述 23
2.4 神经网络学习算法的统一描述 31
2.5 本章小结 35
参考文献 35
3 多层前向神经网络的逼近能力和训练算法 37
3.1 多层前向神经网络的逼近能力 37
3.2 误差反传（BP）算法及其存在问题分析 40
3.3 以变学习率η和变动量因子a提高误差反传（BP）算法收敛速度 44
3.4 BP算法学习过程中“平台现象”的减少或消除 51
3.5 BP算法学习过程中学习不平衡现象的消除 62
3.6 实现全局最优的多层前向网络训练算法 63
3.7 改善BP算法泛化能力的措施及提高学习精度的方法 73
3.8 鲁棒BP学习算法 74
3.9 综合反向传播（SBP）训练算法 76
3.10 本章小结 85
参考文献 86
4 多层前向神经网络的拓扑结构研究 90
4.1 多层前向神经网络的结构设计 90
4.2 过拟合与泛化能力 91
4.3 多层前向神经网络的剪除型结构学习算法 92
4.4 多层前向神经网络的增长型结构学习算法 98
4.5 本章小节 101
参考文献 102
5 基于神经网络的时间序列建模与预报 104
5.1 线性ARMA模型和最优预报器 104
5.2 非线性ARMA模型和神经网络逼近 105
5.3 回归神经网络（RNN） 107
5.4 船舶横摇运动的时间序列预报 118
5.5 本章小节 123
参考文献 123
6 基于神经网络的非线性系统辨识 126
6.1 非线性动态系统辨识模型 127
6.2 用神经网络进行非线性动态系统辨识的可行性 130
6.3 神经网络辨识算法及收敛性分析 132
6.4 使用神经网络进行非线性系统辨识的基本方法 143
6.5 神经网络与机理模型的混合建模法 152
6.6 船舶横摇运动建模 154
6.7 本章小结 162
附录 定理6.7的证明 163
参考文献 166
7 神经网络控制 168
7.1 神经网络监督控制 168
7.2 神经网络自适应控制 173
7.3 神经网络自适应评判控制 186
7.4 非线性动态系统的神经网络控制——能控性、能观性、稳定性、状态观测和跟踪控制 189
7.5 本章小结 205
参考文献 205