前言<br>第1章 智能控制概述<br>1.1 智能控制的提出和发展<br>1.2 智能控制的概念和主要方法<br>1.3 智能控制的主要形式<br>1.4 智能自主控制<br>参考文献<br>第2章 专家控制与仿人智能控制<br>2.1 专家系统<br>2.2 专家控制系统<br>2.3 仿人专家控制系统<br>参考文献<br>第3章 学习控制<br>3.1 学习控制的基本原理<br>3.2 线性定常连续系统的学习控制<br>3.3 非线性定常连续系统的学习控制<br>3.4 非线性连续时间系统的学习控制<br>3.5 线性离散时间系统的学习控制<br>3.6 一类线性离散系统的最优学习控制<br>3.7 闭环学习控制<br>3.8 鲁棒学习控制<br>3.9 学习控制在机器人中的应用<br>参考文献<br>第4章 模糊控制数学基础<br>4.1 普通集合理论<br>4.2 模糊集合<br>4.3 λ 水平截集<br>4.4 分解定理和扩张原理<br>4.5 隶属函数的确定方法<br>4.6 模糊关系与模糊矩阵<br>4.7 模糊逻辑与模糊推理<br>4.8 模糊推理方法<br>4.9 综合评判和模糊关系方程<br>参考文献<br>第5章 模糊控制原理<br>5.1 模糊控制系统<br>5.2 模糊控制器的设计<br>5.3 基于规则修改的模糊控制<br>5.4 模糊控制系统的稳定性分析<br>5.5 PID模糊控制器<br>5.6 自组织模糊控制器<br>5.7 模糊控制的应用实例<br>参考文献<br>第6章 遗传算法<br>6.1 概述<br>6.2 遗传算法的基本理论<br>6.3 遗传算法的数学基础<br>6.4 遗传算法在控制中的应用<br>参考文献<br>第7章 神经网络基本理论<br>7.1 神经网络的基本概念<br>7.2 前馈神经网络<br>7.3 反馈神经网络<br>7.4 径向基网络<br>7.5 Grossberg网络<br>7.6 自组织神经网络<br>7.7 竞争网络<br>7.8 支持向量基网络<br>参考文献<br>第8章 神经网络控制方法与应用<br>8.1 模糊神经网络控制<br>8.2 增强学习控制<br>8.3 小脑模型神经网络控制<br>8.4 神经网络非线性控制<br>8.5 神经网络自适应控制<br>8.6 神经网络PID控制<br>8.7 神经网络建模与辨识方法<br>8.8 神经网络在飞行控制系统中的应用<br>参考文献<br>第9章 神经网络的泛化理论<br>9.1 神经网络的泛化理论简介<br>9.2 泛化误差的偏差唱方差分解<br>9.3 结构复杂性和样本复杂性对神经网络泛化能力的影响<br>9.4 正则化方法对泛化能力的影响<br>9.5 神经网络集成对泛化能力的影响<br>9.6 样本输入中加噪声对泛化能力的影响<br>9.7 其他因素对泛化能力的影响<br>参考文献<br>附录A 用于三分类的BP算法程序<br>附录B 用于函数逼近的BP算法程序<br>附录C 连续Hopfield网解决TSP的程序<br>附录D 基于聚类的RBF网设计算法<br>附录E 基于梯度法的RBF网设计算法<br>附录F 基于OLS的RBF网设计算法
展开
