神經(jīng)網(wǎng)絡(luò)

前言
第1章 智能控制技術(shù)基礎(chǔ)
　1.1 智能控制的基本概念
　1.2 智能控制系統(tǒng)的分類和發(fā)展
　1.3 用于神經(jīng)網(wǎng)絡(luò)控制或辨識(shí)建模的噪聲信號(hào)產(chǎn)生方法
　1.4 偽隨機(jī)信號(hào)產(chǎn)生及MATLAB仿真舉例
　1.5 語(yǔ)義網(wǎng)絡(luò)知識(shí)表示法及Petri網(wǎng)舉例
　1.6 小結(jié)
　習(xí)題
第2章 神經(jīng)網(wǎng)絡(luò)控制的基本概念
　2.1 生物神經(jīng)元模型
　2.2 人工神經(jīng)元
　　2.2.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
　　2.2.2 神經(jīng)網(wǎng)絡(luò)的特性
　　2.2.3 人工神經(jīng)元模型
　2.3 神經(jīng)網(wǎng)絡(luò)常用的激發(fā)函數(shù)
　2.4 神經(jīng)網(wǎng)絡(luò)的分類
　2.5 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
　2.6 小結(jié)
　習(xí)題
第3章 前向神經(jīng)網(wǎng)絡(luò)模型及其仿真算法
　3.1 感知器算法及其應(yīng)用
　　3.1.1 感知器的概念
　　3.1.2 感知器的局限性
　　3.1.3 感知器的線性可分性
　　3.1.4 感知器分類的MATLAB仿真
　3.2 BP神經(jīng)網(wǎng)絡(luò)及其算例
　3.3 其它前向網(wǎng)絡(luò)
　3.4 神經(jīng)網(wǎng)絡(luò)模型辨識(shí)
　　3.4.1 神經(jīng)網(wǎng)絡(luò)模型辨識(shí)系統(tǒng)結(jié)構(gòu)
　　3.4.2 神經(jīng)網(wǎng)絡(luò)模型辨識(shí)MATLAB仿真
　3.5 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)結(jié)構(gòu)
　3.6 神經(jīng)元自適應(yīng)控制系統(tǒng)MATLAB仿真
　　3.6.1 Kp變化時(shí)系統(tǒng)的階躍響應(yīng)仿真
　　3.6.2 系統(tǒng)的閉環(huán)零點(diǎn)z、極點(diǎn)p和增益k求取仿真
　　3.6.3 單神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)仿真
　3.7 小結(jié)
　習(xí)題
第4章 改進(jìn)的BP網(wǎng)絡(luò)訓(xùn)練算法
　4.1 BP網(wǎng)絡(luò)分析及其改進(jìn)思路
　　4.1.1 網(wǎng)絡(luò)存在問(wèn)題分析
　　4.1.2 其它網(wǎng)絡(luò)訓(xùn)練技巧
　4.2 基于降低網(wǎng)絡(luò)靈敏度的網(wǎng)絡(luò)改進(jìn)算法
　4.3 提高神經(jīng)網(wǎng)絡(luò)容錯(cuò)性的理論和方法
　4.4 提高神經(jīng)網(wǎng)絡(luò)收斂速度的一種賦初值算法
　4.5 復(fù)雜系統(tǒng)神經(jīng)網(wǎng)絡(luò)辨識(shí)MATLAB仿真舉例
　　4.5.1 具有噪聲二階系統(tǒng)辨識(shí)的MATLAB程序剖析
　　4.5.2 多維非線性辨識(shí)與MATLAB程序剖析
　4.6 小結(jié)
　習(xí)題
第5章 小腦模型神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
　5.1 CMAC網(wǎng)絡(luò)的特點(diǎn)
　5.2 改進(jìn)的CMAC干式變壓器卷線機(jī)跑偏信號(hào)諧波分析
　　5.2.1 CMAC網(wǎng)絡(luò)對(duì)非線性函數(shù)學(xué)習(xí)過(guò)程
　　5.2.2 干式變壓器卷線機(jī)跑偏信號(hào)諧波分析方法
　　5.2.3 跑偏信號(hào)諧波仿真與分析
　5.3 改進(jìn)的CMAC學(xué)習(xí)多維函數(shù)
　5.4 小結(jié)
　習(xí)題
第6章 遺傳算法及其神經(jīng)網(wǎng)絡(luò)
　6.1 遺傳算法的概念
　　6.1.1 遺傳算法的定義及特點(diǎn)
　　6.1.2 遺傳操作
　6.2 一種適應(yīng)度函數(shù)的改進(jìn)算法
　　6.2.1 適應(yīng)度函數(shù)的選擇與計(jì)算
　　6.2.2 一種改進(jìn)的遺傳神經(jīng)解耦方法
　　6.2.3 遺傳神經(jīng)解耦仿真、實(shí)驗(yàn)及結(jié)論
　6.3 遺傳算法及其遺傳神經(jīng)網(wǎng)絡(luò)應(yīng)用仿真
　　6.3.1 遺傳算法尋優(yōu)MATLAB仿真
　　6.3.2 遺傳神經(jīng)元辨識(shí)MATLAB仿真
　6.4 小結(jié)
　習(xí)題
第7章 模糊神經(jīng)網(wǎng)絡(luò)
　7.1 傳統(tǒng)控制與模糊控制
　7.2 模糊神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
　　7.2.1 模糊神經(jīng)網(wǎng)絡(luò)的概念
　　7.2.2 隸屬函數(shù)神經(jīng)網(wǎng)絡(luò)
　　7.2.3 模糊神經(jīng)網(wǎng)絡(luò)控制模型
　7.3 FNN對(duì)非線性多變量系統(tǒng)的解耦方法
　　7.3.1 FNN解耦的基本模型
　　7.3.2 FNN解耦的算法
　7.4 FC及FNN解耦算法的MATLAB仿真
　7.5 小結(jié)
　習(xí)題
第8章 徑向基函數(shù)網(wǎng)絡(luò)
　8.1 徑向基函數(shù)網(wǎng)絡(luò)模型
　8.2 網(wǎng)絡(luò)的訓(xùn)練與設(shè)計(jì)
　　8.2.1 聚類分析
　　8.2.2 動(dòng)態(tài)聚類法
　　8.2.3 RBF網(wǎng)絡(luò)的學(xué)習(xí)算法
　8.3 徑向基神經(jīng)網(wǎng)絡(luò)的工具箱
　　8.3.1 面向MATLAB工具箱的徑向基神經(jīng)元模型
　　8.3.2 面向MATLAB工具箱的徑向基神經(jīng)網(wǎng)絡(luò)
　　8.3.3 徑向基網(wǎng)絡(luò)的創(chuàng)建與學(xué)習(xí)過(guò)程
　　8.3.4 徑向基網(wǎng)絡(luò)的應(yīng)用
　8.4 混沌時(shí)間序列建模及預(yù)測(cè)
　　8.4.1 相空間重構(gòu)
　　8.4.2 非線性函數(shù)逼近方法
　　8.4.3 數(shù)值實(shí)驗(yàn)
　8.5 小結(jié)
　習(xí)題
第9章 反饋型神經(jīng)網(wǎng)絡(luò)
　9.1 Hopfield神經(jīng)網(wǎng)絡(luò)
　　9.1.1 Hopfield網(wǎng)絡(luò)的結(jié)構(gòu)
　　9.1.2 Hopfield網(wǎng)絡(luò)的穩(wěn)定性
　　9.1.3 基本學(xué)習(xí)規(guī)則
　　9.1.4 Hopfield網(wǎng)絡(luò)的聯(lián)想特性
　9.2 反饋網(wǎng)絡(luò)與優(yōu)化計(jì)算
　　9.2.1 Hopfield網(wǎng)絡(luò)的電路模型與動(dòng)態(tài)方程
　　9.2.2 Hopfield網(wǎng)絡(luò)的能量函數(shù)與穩(wěn)定性
　　9.2.3 Hopfield網(wǎng)絡(luò)的優(yōu)化計(jì)算
　9.3 Hopfield網(wǎng)絡(luò)的MATLAB開(kāi)發(fā)
　　9.3.1 Hopfield神經(jīng)網(wǎng)絡(luò)的工具函數(shù)
　　9.3.2 基于Hopfield網(wǎng)絡(luò)的數(shù)字識(shí)別
　9.4 小結(jié)
　習(xí)題
第10章 支持向量機(jī)
　10.1 統(tǒng)計(jì)學(xué)習(xí)理論的一般概念
　　10.1.1 機(jī)器學(xué)習(xí)問(wèn)題的表示
　　10.1.2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化
　　10.1.3 學(xué)習(xí)機(jī)的VC維與風(fēng)險(xiǎn)界
　　10.1.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化
　10.2 最優(yōu)化理論基礎(chǔ)
　　10.2.1 二次規(guī)劃
　　10.2.2 拉格朗日理論
　　10.2.3 二次規(guī)劃的對(duì)偶
　10.3 支持向量機(jī)
　　10.3.1 分類超平面的幾何性質(zhì)
　　10.3.2 線性可分支持向量機(jī)
　　10.3.3 近似線性可分支持向量機(jī)
　　10.3.4 非線性可分支持向量機(jī)
　　10.3.5 支持向量回歸機(jī)
　10.4 支持向量機(jī)的實(shí)現(xiàn)
　　10.4.1 LIBSVM軟件包簡(jiǎn)介
　　10.4.2 LIBSVM使用方法
　　10.4.3 SVM在MATLAB中的實(shí)現(xiàn)
　10.5 SVM在故障診斷中的應(yīng)用
　10.6 小結(jié)
　習(xí)題
第11章 小波神經(jīng)網(wǎng)絡(luò)及應(yīng)用
　11.1 多尺度分析
　11.2 小波變換
　11.3 小波包變換
　11.4 小波分析在信號(hào)處理中的應(yīng)用
　　11.4.1 信號(hào)奇異點(diǎn)檢測(cè)仿真
　　11.4.2 信號(hào)消噪仿真
　11.5 小波神經(jīng)網(wǎng)絡(luò)
　11.6 小波神經(jīng)網(wǎng)絡(luò)在電纜故障識(shí)別中的應(yīng)用
　　11.6.1 小波變換提取特征
　　11.6.2 小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
　　11.6.3 電纜故障識(shí)別仿真
　11.7 小結(jié)
　習(xí)題
參考文獻(xiàn)