神经网络控制2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

神经网络控制PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪言1

1-1 人工神经网络的特点1

1-2 神经网络在控制领域取得的进展1

1-3 神经网络控制系统概述3

1-3-1 神经网络控制系统的组成3

1-3-2 实时控制5

1-3-3 智能控制的分支5

1-4 神经网络控制待解决的问题6

1-5 关于“例”与“MATLAB程序”6

第2章 神经网络理论基础7

2-1 引言7

2-2 生物神经元与人工神经元模型9

2-2-1 生物神经元9

2-2-2 MP模型10

2-2-3 多种作用函数11

2-2-4 Hebb学习规则12

2-3 感知器12

2-3-1 单层感知器12

2-3-2 多层感知器16

2-4 线性神经网络18

2-4-1 自适应线性神经元18

2-4-2 线性神经网络19

2-5 多层前馈网络与BP学习算法20

2-5-1 网络结构20

2-5-2 BP学习算法20

2-5-3 有关的几个问题22

2-6 径向基函数神经网络25

2-6-1 网络输出计算26

2-6-2 网络的学习算法26

2-6-3 有关的几个问题27

2-6-4 MATLAB高斯RBF网络构建法29

2-7 小脑模型神经网络30

2-7-1 CMAC的结构及工作原理30

2-7-2 CMAC的学习算法及分析31

2-7-3 有关的几个问题34

2-8 PID神经网络38

2-8-1 网络结构与输出计算38

2-8-2 学习算法39

2-8-3 有关的两个问题40

2-9 局部递归型神经网络40

2-9-1 内时延反馈型网络41

2-9-2 外时延反馈型网络43

2-10 连续型Hopfield网络43

2-10-1 网络的描述43

2-10-2 网络的稳定性44

2-10-3 学习算法45

2-10-4 有关的几个问题45

2-11 应用Simulink设计神经网络46

2-12 应用GUI设计神经网络48

2-13 小结49

习题49

第3章 基于神经网络的系统辨识51

3-1 引言51

3-2 系统辨识的基础知识51

3-2-1 系统辨识的基本原理51

3-2-2 误差准则53

3-2-3 辨识精度53

3-2-4 辨识的主要步骤54

3-3 基于神经网络的系统辨识原理54

3-3-1 系统模型及逆模型的辨识55

3-3-2 动态系统辨识常用的神经网络55

3-3-3 两种辨识结构58

3-4 线性动态系统模型与辨识58

3-4-1 确定性系统模型58

3-4-2 随机系统模型61

3-4-3 确定性系统的神经网络辨识63

3-4-4 随机系统的神经网络辨识66

3-4-5 基于连续Hopfield网络的线性系统辨识68

3-5 非线性动态系统模型与辨识72

3-5-1 非线性系统模型72

3-5-2 神经网络系统辨识73

3-6 线性动态系统的逆模型与辨识77

3-6-1 线性系统的逆模型77

3-6-2 神经网络逆模型辨识79

3-7 非线性动态系统逆模型与辨识82

3-7-1 非线性系统的逆与可逆性82

3-7-2 非线性系统逆模型83

3-7-3 神经网络逆模型辨识84

3-8 小结87

习题88

第4章 神经网络控制89

4-1 引言89

4-2 神经网络控制的设计与实现89

4-2-1 神经网络控制系统的离散化89

4-2-2 神经网络控制的设计91

4-2-3 神经网络控制的实现92

4-3 基于连续Hopfield网络的PID控制92

4-3-1 基于CHNN的PID控制结构92

4-3-2 基于CHNN的PID控制器参数优化计算93

4-3-3 PID控制算法94

4-4 神经自校正控制97

4-4-1 神经自校正控制结构98

4-4-2 神经网络辨识器99

4-5 神经PID控制101

4-5-1 神经网络辨识器102

4-5-2 神经PID控制器103

4-6 神经内模控制104

4-6-1 内模控制原理104

4-6-2 线性内模控制设计106

4-6-3 神经非线性内模控制110

4-7 PID神经网络控制112

4-7-1 PID神经网络单变量控制112

4-7-2 PID神经网络多变量控制113

4-8 小脑模型神经控制118

4-8-1 CMAC直接逆运动控制118

4-8-2 CMAC前馈控制120

4-8-3 CMAC反馈控制121

4-9 神经控制三例121

4-9-1 神经控制器121

4-9-2 非线性动态系统122

4-9-3 神经控制三例123

4-10 再励学习与神经控制125

4-10-1 再励学习原理126

4-10-2 再励学习算法126

4-10-3 再励学习神经控制127

4-11 小结129

习题129

第5章 遗传算法与神经控制130

5-1 引言130

5-2 基本的遗传算法131

5-2-1 生物的遗传、进化和适应性131

5-2-2 基本的遗传算法131

5-2-3 遗传操作133

5-2-4 GA的有效性136

5-2-5 适应度及调整137

5-2-6 有关的几个问题139

5-3 模式定理140

5-3-1 模式140

5-3-2 基本算子对模式的影响140

5-4 遗传算法的发展142

5-4-1 交叉、变异概率的自适应调整142

5-4-2 高级算子142

5-4-3 并行GA143

5-4-4 可变长个体与Messy GA144

5-4-5 基于小生境技术的GA145

5-4-6 混合GA146

5-4-7 GA理论研究146

5-5 遗传算法与函数最优化147

5-6 遗传算法与系统辨识150

5-7 遗传算法与PID控制155

5-7-1 线性离散系统的PID参数整定155

5-7-2 线性连续系统的PID参数整定156

5-8 神经网络的遗传进化训练159

5-9 遗传算法与神经控制161

5-10 小结165

习题166

附录A 最优化算法167

A-1 最优化问题167

A-2 梯度下降法169

附录B 赋范空间的逼近170

B-1 距离空间170

B-2 线性赋泛空间171

B-3 Banach空间172

B-4 最佳逼近172

B-5 最佳逼近元的存在性和唯一性173

B-6 最佳一致逼近173

B-7 L2逼近174

附录C 无监督学习的两种动态聚类算法175

C-1 聚类分析175

C-2 两种动态聚类法176

C-3 几点说明178

附录D B样条函数179

D-1 样条函数179

D-2 B样条函数180

D-3 函数的插值与逼近183

附录E Lyapunov第二方法184

E-1 有关的定义184

E-2 Lyapunov第二方法185

附录F M序列及逆M序列187

F-1 M序列187

F-2 逆M序列189

参考文献191