神經(jīng)網(wǎng)絡(luò)控制

內(nèi)容概要

神經(jīng)網(wǎng)絡(luò)控制已發(fā)展成為“智能控制”的一個新的分支，屬先進(jìn)控制技術(shù)，為解決復(fù)雜的非線性、不確定、不確知系統(tǒng)的控制問題，開辟了一條新的途徑。    本書分五章闡述了(人工)神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)，基于神經(jīng)網(wǎng)絡(luò)的動態(tài)系統(tǒng)模型、逆模型及其辨識問題，神經(jīng)網(wǎng)絡(luò)控制的多種結(jié)構(gòu)及其設(shè)計問題，遺傳算法的尋優(yōu)機(jī)理，遺傳算法與系統(tǒng)辨識、遺傳算法與神經(jīng)控制問題。    本書適合作為高等工科院校自動控制、信息處理、工業(yè)自動化、模式識別與智能控制等專業(yè)高年級本科生、研究生的教材或教學(xué)參考書，也適用于從事以上專業(yè)的工程技術(shù)人員閱讀。

書籍目錄

第1章 緒言  1—1 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)  1—2 神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域取得的進(jìn)展  1—3 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)概述    1—3—1 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的組成    1—3—2 實(shí)時控制      1—3—3 智能控制的分支  1—4 神經(jīng)網(wǎng)絡(luò)控制待解決的問題  1—5 關(guān)于“例”與“MATLAB程序”第2章 神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)  2—1 引言  2—2 生物神經(jīng)元與人工神經(jīng)元模型    2—2—1 生物神經(jīng)元    2—2—2 MP模型    2—2—3 多種作用函數(shù)    2—2—4 Hebb學(xué)習(xí)規(guī)則  2—3 感知器    2—3—1 單層感知器    2—3—2 多層感知器  2—4 線性神經(jīng)網(wǎng)絡(luò)    2—4—1 自適應(yīng)線性神經(jīng)元    2—4—2 線性神經(jīng)網(wǎng)絡(luò)  2—5 多層前饋網(wǎng)絡(luò)與BP學(xué)習(xí)算法    2—5—1 網(wǎng)絡(luò)結(jié)構(gòu)    2—5—2 BP學(xué)習(xí)算法    2—5—3 有關(guān)的幾個問題  2—6 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)    2—6—1 網(wǎng)絡(luò)輸出計算    2—6—2 網(wǎng)絡(luò)的學(xué)習(xí)算法    2—6—3 有關(guān)的幾個問題    2—6—4 MATLAB高斯RBF網(wǎng)絡(luò)構(gòu)建法  2—7 小腦模型神經(jīng)網(wǎng)絡(luò)    2—7—1 CMAC的結(jié)構(gòu)及工作原理    2—7—2 CMAC的學(xué)習(xí)算法及分析    2—7—3 有關(guān)的幾個問題  2—8 PID神經(jīng)網(wǎng)絡(luò)    2—8—1 網(wǎng)絡(luò)結(jié)構(gòu)與輸出計算    2—8—2 學(xué)習(xí)算法    2—8—3 有關(guān)的兩個問題  2—9 局部遞歸型神經(jīng)網(wǎng)絡(luò)    2—9—1 內(nèi)時延反饋型網(wǎng)絡(luò)    2—9—2 外時延反饋型網(wǎng)絡(luò)  2—10 連續(xù)型Hopfield網(wǎng)絡(luò)    2—10—1 網(wǎng)絡(luò)的描述    2—10—2 網(wǎng)絡(luò)的穩(wěn)定性    2—10一3 學(xué)習(xí)算法    2—10—4 有關(guān)的幾個問題  2—11 應(yīng)用Simulink設(shè)計神經(jīng)網(wǎng)絡(luò)  2—12 應(yīng)用GUl設(shè)計神經(jīng)網(wǎng)絡(luò)  2—13 小結(jié)  習(xí)題第3章 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識  3—1 引言  3—2 系統(tǒng)辨識的基礎(chǔ)知識    3—2—1 系統(tǒng)辨識的基本原理    3—2—2 誤差準(zhǔn)則    3—2—3 辨識精度    3—2—4 辨識的主要步驟  3—3 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識原理    3—3—1 系統(tǒng)模型及逆模型的辨識    3—3—2 動態(tài)系統(tǒng)辨識常用的神經(jīng)網(wǎng)絡(luò)    3—3—3 兩種辨識結(jié)構(gòu)  3—4 線性動態(tài)系統(tǒng)模型與辨識    3—4—1 確定性系統(tǒng)模型    3—4—2 隨機(jī)系統(tǒng)模型    3—4—3 確定性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識    3—4—4 隨機(jī)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)辨識    3—4—5 基于連續(xù)Hopfield網(wǎng)絡(luò)的線性系統(tǒng)辨識    3—5 非線性動態(tài)系統(tǒng)模型與辨識    3—5—1 非線性系統(tǒng)模型    3—5—2 神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識  3—6 線性動態(tài)系統(tǒng)的逆模型與辨識    3—6—1 線性系統(tǒng)的逆模型    3—6—2 神經(jīng)網(wǎng)絡(luò)逆模型辨識  3—7 非線性動態(tài)系統(tǒng)逆模型與辨識  ……第4章 神經(jīng)網(wǎng)絡(luò)控制第5章 遺傳算法與神經(jīng)控制附錄A 最優(yōu)化算法附錄B 賦范空間的逼近附錄C 天監(jiān)督學(xué)習(xí)的兩種動態(tài)聚類算法附錄D B樣條函數(shù)附錄E Lyapunov第二方法附錄F M序列及逆M序列參考文獻(xiàn)

章節(jié)摘錄

第1章 緒言神經(jīng)網(wǎng)絡(luò)控制屬先進(jìn)控制技術(shù)，是用計算機(jī)做數(shù)字控制器和（或）辨識器實(shí)現(xiàn)的一類算法。它是20世紀(jì)80年代以來，由于人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Networks）研究所取得的突破性進(jìn)展，與控制理論相結(jié)合，而發(fā)展起來的自動控制領(lǐng)域的前沿學(xué)科之一。它已成為智能控制的一個新的分支，為解決復(fù)雜的非線性、不確定、不確知系統(tǒng)的控制問題開辟了新途徑。1—1 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)人工神經(jīng)網(wǎng)絡(luò)（簡稱神經(jīng)網(wǎng)絡(luò)，NN）是由人工神經(jīng)元（簡稱神經(jīng)元）互連組成的網(wǎng)絡(luò)，它是從微觀結(jié)構(gòu)和功能上對人腦的抽象、簡化，是模擬人類智能的一條重要途徑，反映了人腦功能的若干基本特征，如并行信息處理、學(xué)習(xí)、聯(lián)想、模式分類、記憶等。1．神經(jīng)網(wǎng)絡(luò)對控制領(lǐng)域有吸引力的特征（1）能逼近任意L。范數(shù)上的非線性函數(shù)。（2）信息的并行分布式處理與存儲。（3）可以多輸人、多輸出。（4）便于用超大規(guī)模集成電路（VLSI）或光學(xué)集成電路系統(tǒng)實(shí)現(xiàn)，或用現(xiàn)有的計算機(jī)技術(shù)實(shí)現(xiàn)。（5）能進(jìn)行學(xué)習(xí)，以適應(yīng)環(huán)境的變化。2．決定神經(jīng)網(wǎng)絡(luò)整體性能的三大要素（1）神經(jīng)元（信息處理單元）的特性。（2）神經(jīng)元之間相互連接的形式——拓?fù)浣Y(jié)構(gòu)。（3）為適應(yīng)環(huán)境而改善性能的學(xué)習(xí)規(guī)則。1943年建立的第一個神經(jīng)元模型——MP（模擬生物神經(jīng)元）模型，為神經(jīng)網(wǎng)絡(luò)的研究與發(fā)展奠定了基礎(chǔ)。至今，已建立了多種神經(jīng)元與網(wǎng)絡(luò)的模型，取得了相當(dāng)?shù)某晒?，其中一些模型被用于自動控制領(lǐng)域。圖1—1—1示出了常用的四例。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    神經(jīng)網(wǎng)絡(luò)控制 PDF格式下載

---