智能控制與應用

前言
第1章　智能控制概述
1.1 智能控制的提出和發(fā)展
1.2 智能控制的概念和主要方法
1.3 智能控制的主要形式
1.4 智能自主控制
參考文獻
第2章　專家控制與仿人智能控制
2.1 專家系統(tǒng)
2.2 專家控制系統(tǒng)
2.3 仿人專家控制系統(tǒng)
參考文獻
第3章　學習控制
3.1 學習控制的基本原理
3.2 線性定常連續(xù)系統(tǒng)的學習控制
3.3 非線性定常連續(xù)系統(tǒng)的學習控制
3.4 非線性連續(xù)時間系統(tǒng)的學習控制
3.5 線性離散時間系統(tǒng)的學習控制
3.6 一類線性離散系統(tǒng)的最優(yōu)學習控制
3.7 閉環(huán)學習控制
3.8 魯棒學習控制
3.9 學習控制在機器人中的應用
參考文獻
第4章　模糊控制數(shù)學基礎(chǔ)
4.1 普通集合理論
4.2 模糊集合
4.3 λ 水平截集
4.4 分解定理和擴張原理
4.5 隸屬函數(shù)的確定方法
4.6 模糊關(guān)系與模糊矩陣
4.7 模糊邏輯與模糊推理
4.8 模糊推理方法
4.9 綜合評判和模糊關(guān)系方程
參考文獻
第5章　模糊控制原理
5.1 模糊控制系統(tǒng)
5.2 模糊控制器的設(shè)計
5.3 基于規(guī)則修改的模糊控制
5.4 模糊控制系統(tǒng)的穩(wěn)定性分析
5.5 PID模糊控制器
5.6 自組織模糊控制器
5.7 模糊控制的應用實例
參考文獻
第6章　遺傳算法
6.1 概述
6.2 遺傳算法的基本理論
6.3 遺傳算法的數(shù)學基礎(chǔ)
6.4 遺傳算法在控制中的應用
參考文獻
第7章　神經(jīng)網(wǎng)絡基本理論
7.1 神經(jīng)網(wǎng)絡的基本概念
7.2 前饋神經(jīng)網(wǎng)絡
7.3 反饋神經(jīng)網(wǎng)絡
7.4 徑向基網(wǎng)絡
7.5 Grossberg網(wǎng)絡
7.6 自組織神經(jīng)網(wǎng)絡
7.7 競爭網(wǎng)絡
7.8 支持向量基網(wǎng)絡
參考文獻
第8章　神經(jīng)網(wǎng)絡控制方法與應用
8.1 模糊神經(jīng)網(wǎng)絡控制
8.2 增強學習控制
8.3 小腦模型神經(jīng)網(wǎng)絡控制
8.4 神經(jīng)網(wǎng)絡非線性控制
8.5 神經(jīng)網(wǎng)絡自適應控制
8.6 神經(jīng)網(wǎng)絡PID控制
8.7 神經(jīng)網(wǎng)絡建模與辨識方法
8.8 神經(jīng)網(wǎng)絡在飛行控制系統(tǒng)中的應用
參考文獻
第9章　神經(jīng)網(wǎng)絡的泛化理論
9.1 神經(jīng)網(wǎng)絡的泛化理論簡介
9.2 泛化誤差的偏差唱方差分解
9.3 結(jié)構(gòu)復雜性和樣本復雜性對神經(jīng)網(wǎng)絡泛化能力的影響
9.4 正則化方法對泛化能力的影響
9.5 神經(jīng)網(wǎng)絡集成對泛化能力的影響
9.6 樣本輸入中加噪聲對泛化能力的影響
9.7 其他因素對泛化能力的影響
參考文獻
附錄A 用于三分類的BP算法程序
附錄B 用于函數(shù)逼近的BP算法程序
附錄C 連續(xù)Hopfield網(wǎng)解決TSP的程序
附錄D 基于聚類的RBF網(wǎng)設(shè)計算法
附錄E 基于梯度法的RBF網(wǎng)設(shè)計算法
附錄F 基于OLS的RBF網(wǎng)設(shè)計算法