《神经网络·工程应用》求取 ⇩

第1章 绪论1

1.1 当代信息高科技热点——神经网络1

目录1

1.2 神经网络的发展史2

1.3 神经细胞及神经网络3

1.4 脑神经信息活动的特征4

1.5 人工神经网络及其特征5

1.6.1 现行计算机编程的瓶颈问题7

1.6.2 神经网络研究的意义7

1.6 神经网络研究的意义及应用前景7

1.6.3 神经网络的应用前景8

第2章 神经网络的计算模型10

2.1 简单人工神经元模型11

2.1.1 M-P模型11

2.1.2 连续的神经元模型11

2.2 感知器模型12

2.2.1 单层感知器网络13

2.2.2 多层感知器网络14

2.2.3 多层感知器的设计17

2.3.1 离散型Hopfield网络18

2.3 Hopfield网络模型18

2.2.4 多层感知器实例18

2.3.2 连续型Hopfield网络22

2.4 自组织竞争网络模型25

2.4.1 自适应共振理论模型26

2.4.2 自组织映射模型28

第3章 神经网络的学习机理31

3.1 人工神经网络的学习功能31

3.2 误差修正型学习32

3.2.1 感知器学习32

3.2.2 Adaline/Madaline学习34

3.2.3 反向传播网络学习37

3.3 自组织竞争学习44

3.3.1 竞争学习45

3.3.2 自组织映射学习47

3.3.3 二值自适应共振理论网络的学习48

第4章 神经网络在机械制造业中的应用51

4.1 神经网络与成组技术51

4.2 神经网络与工程设计52

4.2.1 知识表达52

4.2.2 求解策略53

4.2.3 算法53

4.3.1 神经网络在工件焊接诊断中的应用54

4.3 神经网络与故障诊断54

4.3.2 阀门密封圈表面疵点自动识别55

4.3.3 加工机床的故障诊断57

4.4 机器视觉和物体识别61

第5章 神经网络在自动控制中的应用62

5.1 引论62

5.1.1 自动控制的发展与面临的挑战62

5.1.2 神经网络用于控制的优越性63

5.2 神经网络与系统辨识64

5.2.1 系统辨识的神经网络结构64

5.2.2 逆动力学系统辨识67

5.2.3 系统辨识仿真实验68

5.2.4 系统辨识应用71

5.3 神经网络非线性控制72

5.3.1 神经控制结构（Ⅰ）72

5.3.2 神经控制结构（Ⅱ）75

5.4 神经网络自适应控制77

5.4.1 神经网络直接自适应控制77

5.4.2 神经网络间接自适应控制79

5.4.3 神经网络自适应线性控制80

5.4.4 神经网络自校正控制80

5.5.1 小车-倒摆控制81

5.5 神经控制仿真研究81

5.5.2 单神经元自适应PID控制器83

5.5.3 非线性系统自学习控制86

5.6 神经控制应用89

5.6.1 神经预测89

5.6.2 工业过程故障诊断91

5.6.3 批量进料发酵过程适应控制94

第6章 神经网络在模糊控制中的应用97

6.1 模糊集理论简介97

6.1.1 隶属概念97

6.1.3 模糊向量及其笛卡尔坐标点98

6.1.2 模糊子集的简单运算98

6.1.4 模糊矩阵与模糊关系99

6.1.5 常见的模糊关系语句及其对应的模糊关系R100

6.1.6 精确量与模糊量的相互转换100

6.2 神经模糊控制的系统特点与结构102

6.2.1 神经网络与模糊控制的特点102

6.2.2 神经模糊控制的系统结构103

6.3 神经网络在模糊控制中的应用104

6.3.1 用神经网络实现模糊逻辑控制104

6.3.2 神经模糊控制洗衣机111

参考文献118