《神经网络建模、预报与控制》求取 ⇩

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