0人評分過此書
-
第1章 導論
-
1.1 基本概念
-
1.2 研究範團
-
1.3 基本組成
-
1.4 精確的定義
-
1.5 系統架構
-
1.6 模糊邏輯系統與類神經網路的比較
-
1.7 適應控制與類神經網路控制的比較
-
-
第2章 數學基礎
-
2.1 向量(Vectors)
-
2.2 矩陣(Matrices)
-
2.3 線性轉換(Linear Transformations)
-
2.4 向量空間(Vector Spaces)
-
2.5 特徵值與特徵向量(Eigenvalues and Eigenvectors)
-
-
第3章 最佳化基本概念
-
3.1 基本定義
-
3.2 性能面和最佳值
-
-
第4章 梯度演算法
-
4.1 基本梯度演算法
-
4.2 判斷步距大小-線搜尋法
-
4.3 修正率η的影響
-
4.4 穩定修正率
-
4.5 解與討論
-
4.6 應用
-
-
第一部 神經網路控制
-
第5章 類神經網路簡介
-
5.1 前言
-
5.2 類神經網路的特性
-
5.3 神經元模型
-
5.4 類神經網路的典型功能
-
5.5 類神經網路架構及運用模式
-
5.6 類神經網路控制
-
5.7 應用實例
-
5.8 小結
-
-
第6章 單層感知器
-
6.1 感知器設計
-
6.2 基本的兩類型識別
-
6.3 單層離散感知器網路
-
6.4 單層連續感知器
-
-
第7章 多層前饋式網路
-
7.1 多層網路的必要性
-
7.2 單層感知器(單層前饋式網路)
-
7.3 多層感知器(多層前饋式網路)
-
7.4 小結
-
7.5 網路訓練的注意事項
-
-
第8章 單層回授網路
-
8.1 離散時間Hopfield網路
-
8.2 連續時間[梯度型]Hopfield網路
-
8.3 迴歸型類神經網路
-
8.4 Brain-State-in-a-Box模型(BSB Model)
-
-
第9章 動態系統識別
-
9.1 輸出/輸入系統模式識別
-
9.2 狀態空間模式識別
-
9.3 傳統與神經網路系統識別的比較
-
-
第10章 系統識別與控制整合
-
10.1 系統識別
-
10.2 基本控制架構
-
10.3 應用-類神經網路非直接適應控制
-
10.4 應用-類神經網路自調控制
-
10.5 應用-求解Lyapunov矩陣方程式及控制
-
10.6 應用-機器人運動控制
-
-
-
第二部 模糊邏輯控制
-
第11章 模糊邏輯控制簡介
-
11.1 概論
-
11.2 模糊邏輯的特色
-
11.3 模糊邏輯運作機制與應用實例
-
11.4 模糊理論主要研究領域
-
-
第12章 模糊邏輯控制基本概念
-
第13章 模糊數學
-
13.1 基本定義
-
13.2 模糊化
-
13.3 模糊集合的運算
-
13.4 模糊關係方程式
-
13.5 模糊蘊含
-
13.6 模糊推論
-
13.7 解模糊化
-
-
第14章 模糊邏輯控制
-
14.1 基本模糊邏輯控制器
-
14.2 模糊邏輯控制器的設計
-
14.3 動態系統PID控制的設計範例
-
14.4 模糊增益排程PID控制
-
-
第15章 模糊非線性控制
-
15.1 擬PIO控制的模糊邏輯控制器
-
15.2 滑動模糊邏輯控制器
-
15.3 Sugeno模糊邏輯控制
-
-
-
第三部 基因演算控制
-
第16章 基因演算法則簡介
-
16.1 生物的基因演化-進化論
-
16.2 基本概念
-
-
第17章 二進制基因演算
-
17.1 演化過程
-
17.2 設定要領
-
17.3 高階基因演算機制
-
17.4 設計適應函數
-
17.5 基因演算法範例
-
-
第18章 實數型基因演算法則
-
第19章 進化演算
-
19.1 進化過程
-
19.2 進化策略
-
19.3 進化演算法的主要特性
-
19.4 基因演算法與進化演算法的比較
-
-
第20章 進階基因演算法
-
20.1 混基因與梯度演算法
-
20.2 雙族群基因演算法
-
20.3 多目標最佳化演算法
-
-
第21章 DNA運算演算法
-
21.1 DNA編碼概論
-
21.2 DNA演算法
-
21.3 應用
-
-
第22章 綜合應用
-
22.1 類神經網路學習
-
22.2 最佳路徑規劃
-
22.3 控制的應用
-
22.4 以基因模糊邏輯模式設計導引控制系統[Lin2]
-
-
- 參考文獻
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
EPUB
PDF
PDF
EPUB
