《神经网络及其在汽车工程中的应用》求取 ⇩

第一章绪论1

1.1 什么是人工神经网络2

1.2 人工神经网络的特点3

1.3 人工神经网络发展简史9

第二章人工神经网络的基本概念15

2.1 生物神经元结构15

2.2 人工神经元17

2.2.1 人工神经元结构17

2.2.2 转移函数19

2.3 人工神经网络的拓扑结构21

2.3.1 前馈式网络22

2.3.2 反馈式网络26

2.3.3 混合式网络27

2.4 人工神经网络的工作过程27

2.4.1 学习过程27

2.4.2 运行过程29

2.5 神经网络的学习规则32

2.5.1 Hebb学习规则33

2.5.2 感知器学习规则35

2.5.3 Delta学习规则36

2.5.4 Widrow-Hoff学习规则39

2.5.5 相关学习规则40

2.5.6 胜者为王学习规则40

2.5.7 外星学习规则41

第三章前馈神经网络43

3.1 感知器44

3.2 多层感知器52

3.3 自适应线性神经元组成的网络55

3.3.1 ADALINE55

3.3.2 LMS算法56

3.3.3 ADALINE的应用59

3.4 BP算法61

3.4.1 单层网络的BP算法62

3.4.2 多层网络的BP算法68

3.4.3 BP算法的向量表达式70

3.4.4 BP算法的信号流图73

3.4.5 标准BP算法与累积误差BP算法74

3.5 BP网络的泛化能力77

3.6 BP网络与专家系统79

3.7 标准BP算法的改进84

3.8 径基函数网络89

第四章反馈网络96

4.1 反馈网络的概念97

4.2 离散型Hopfield网络103

4.2.1 DHNN的拓扑结构104

4.2.2 稳定性与吸引子109

4.2.3 网络容量119

4.3 连续型Hopfield网络120

4.3.1 CHNN的拓扑结构120

4.3.2 能量函数122

4.4 连续Hopfield网络的应用123

4.4.1 A/D转换网络123

4.4.2 TSP问题127

4.5 递归BP网络134

4.6 双向联想记忆网络138

4.6.1 拓扑结构与运行原理139

4.6.2 Kosko学习规则（外积和法）141

4.6.3 稳定性与能量函数142

4.6.4 BAM与DHNN144

4.6.5 BAM网络的存贮容量145

4.7 儿种改进的BAM网络148

4.7.1 多重训练法148

4.7.2 哑增强法150

4.7.3 快速增强算法151

4.8 BAM在模式识别中的应用161

第五章随机神经网络164

5.1 模拟退火算法166

5.2 Boltzmann机168

5.2.1 拓扑结构168

5.2.2 学习算法170

5.3 Cauchy机174

6.1 Hamming网络与竞争网络176

第六章自组织神经网络176

6.1.1 Hamming网络177

6.1.2 竞争网络180

6.2 聚类的无监督学习185

6.2.1 相似度的判定185

6.2.2 胜者为王的学习规则187

6.2.3 死神经元问题193

6.2.4 Kohonen网络聚类的局限性194

6.3 自组织特征映射神经网络195

6.3.1 特征映射的概念195

6.3.2 自组织特征映射网络的算法202

6.3.3 输入向量归一化问题208

6.4 对偶传播网络210

6.5 自适应共振理论网络214

6.5.1 ART1网络工作原理216

6.5.2 ART1的拓扑结构217

6.5.3 网络工作原理219

6.5.4 ART1应用实例224

第七章神经网络应用设计232

7.1 哪些领域适于应用ANN技术？232

7.2 前馈网络设计238

7.2.1 隐层数的确定239

7.2.2 隐层神经元数的确定240

7.2.3 训练次数的确定245

7.2.4 训练集的设计247

7.2.5 初始权值的选择250

7.2.6 网络泛化能力的检验252

7.3 变量的选择253

7.4 变量表示法254

7.4.1 输入254

7.4.2 输出259

7.5 网络数据的准备261

7.5.1 归一化261

7.5.2 标准化262

7.5.4 变换264

7.5.3 重新定标264

7.6 网络权值分析265

第八章神经网络在汽车工程中的应用269

8.1 机械式汽车自动变速器最佳挡位判定270

8.1.1 换挡规律的在线学习271

8.1.2 换挡死区问题272

8.2 四轮车辆转向的主动控制（方案一）273

8.2.1 车辆动态模型离线辨识274

8.2.2 系统辨识结果275

8.2.3 神经控制器276

8.2.4 车辆动态模型在线辨识278

8.3 四轮车辆转向的主动控制（方案二）279

8.3.1 混合式车辆动态模型辨识280

8.3.2 混合式控制系统282

8.3.3 仿真结果283

8.4 神经驾驶员—车—路闭环转向控制系统284

8.4.1 工作原理285

8.4.2 硬件环境287

8.4.3 实验结果288

8.5 神经网络自动刹车控制系统290

8.5.1 自动刹车控制系统290

8.5.2 前馈控制器的学习295

8.6 载重车柴油机燃烧系统的优化问题296

8.6.1 问题的提出296

8.6.2 训练样本的获取297

8.6.3 数据的表示298

8.6.4 多层前馈网络的逆映射问题300

8.7 神经轮胎的动态模型302

8.8 带噪声汽车牌照的识别304

第九章MATLAB语言308

9.1 概述308

9.2 MATLAB有关函数及命令311

9.3 程序实例318

9.3.1 两隐层BP算法通用程序318

9.3.2 自组织特征映射（KOHONEN算法）通用程序324

参考文献328