智能控制与智能系统PDF|Epub|txt|kindle电子书版本网盘下载

智能控制与智能系统PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

前言1

第1章　绪论1

1.1　智能系统与智能控制的含义1

1.1.1　人工智能及其主要学派1

序1

1.1.2　智能控制2

1.1.3　智能系统3

1.1.4　智能控制的结构理论4

1.2.1　智能控制学科的形成6

1.2　智能控制的形成与发展概述6

1.2.2　智能控制历史上的人物和事件8

1.2.3　智能控制与智能系统的发展趋势10

1.3　应用概述：从智能控制到智能系统12

1.3.1　仙台城市地铁控制系统13

1.3.2　神经网络在彩色印刷中的应用13

1.3.3　拓展全球规模的智能系统13

1.3.6　在线学习的多媒体智能系统14

1.3.4　智能系统在生物数据处理中的应用14

1.3.5　智能系统在医疗诊断中的应用14

1.3.7　智能电子商务15

1.3.8　用于旅行的智能系统15

1.3.9　智能系统在电力系统中的应用16

1.3.10　智能飞行控制系统17

1.4　开发智能系统的商业化应用18

1.4.1　改变传统的控制观念18

1.4.2　考虑为用户带来的回报19

1.4.3　市场的认可20

1.4.4　智能控制与传统控制的定位20

1.5　本书概要与教学建议21

本章参考文献22

第2章　专家系统与专家控制26

2.1　专家系统26

2.1.1　专家系统的基本概念和组成26

2.1.2　知识表示、黑板、推理与产生式系统29

2.1.3　专家系统的优缺点38

2.1.4　建立专家系统的步骤40

2.2　专家控制43

2.2.1　专家控制的形成和发展43

2.2.2　专家控制规范45

2.2.3　专家控制的知识结构47

2.2.4　专家控制存在的问题51

2.3.1　专家系统在工程管理中的应用52

2.3　专家系统和专家控制的应用概况52

2.3.2　专家系统在日本工业界的应用53

2.3.3　专家控制在集散控制中的应用53

2.4　专家控制系统设计和应用举例54

2.4.1　工业过程稳态控制的专家控制系统54

2.4.2　自主式陆地车辆的专家控制：道路跟随试验58

2.5　本章小结60

本章参考文献61

3.1　引言64

第3章　模糊集合理论64

3.2　经典集合的简要回顾65

3.2.1　经典集合的定义65

3.2.2　基本术语65

3.2.3　经典集合的表示方法66

3.3　模糊集合与隶属函数66

3.3.1　模糊集合的定义及表示方法67

3.3.2　模糊集合的运算69

3.3.3　模糊集合运算的性质72

3.4　隶属函数的类型与建立72

3.4.1　隶属函数确定的常用方法73

3.4.2　隶属函数的形状和类型75

3.4.3　建立隶属函数应遵循的原则78

3.4.4　模糊集合的扩展原理80

3.5　模糊关系与模糊推理80

3.5.1　关系和关系矩阵81

3.5.2　模糊关系与模糊关系矩阵82

3.5.3　模糊关系矩阵的运算83

3.5.4　模糊语言和语言变量85

3.5.5　模糊蕴含关系89

3.5.6　模糊推理93

3.5.7　模糊推理系统的常见模型97

3.6　本章小结103

本章参考文献103

第4章　模糊控制的原理和设计104

4.1　模糊控制的基本原理104

4.1.1　模糊化105

4.1.2　知识库109

4.1.3　模糊推理114

4.1.4　输出解模糊化117

4.2　模糊控制器的设计118

4.2.1　离散论域和Mamdani模型119

4.2.2　连续论域和Mamdani模型124

4.2.3　连续论域和T-S模型126

4.3　模糊控制规则的修正与模糊PID控制器128

4.3.1　规则修正因子与模糊控制规则的修正129

4.3.2　模糊控制器与PID控制器的结合132

4.3.3　常规PID控制器参数的模糊自整定134

4.4　模糊控制应用实例135

4.4.1　模糊控制的全自动洗衣机135

4.4.2　交流伺服调速系统的模糊控制140

4.5　本章小结146

本章参考文献147

第5章　人工神经网络基础148

5.1　人工神经网络的分类149

5.2　人工神经元模型150

5.3　活化函数的基本形式152

5.4　McCulloch-Pitts神经元、Adaline和Perceptron154

5.4.1　McCulloch-Pitts神经元155

5.4.2　自适应线性单元与Widrow-Hoff学习规则156

5.4.3　感知器158

5.4.4　Hebb学习162

5.5　本章小结166

本章参考文献166

第6章　前馈网络Ⅰ：多层感知器与BP算法168

6.1　多层感知器的网络结构168

6.1.1　多层感知器的组成168

6.1.2　多层感知器的结构特点169

6.2　误差反向传播（BP）算法170

6.2.1　BP算法的推导170

6.2.2　标准的BP算法171

6.2.3　带动量项修正的BP算法172

6.3　一些与MLP和BP算法相关的问题175

6.3.1　基于Sigmoid函数的BP算法的简化形式175

6.3.2　初始权值的选取175

6.3.3　网络结构与逼近能力176

6.3.4　权值修正的批处理方法176

6.3.5　采用变步长的批处理方法177

6.3.6　神经网络的训练和测试178

6.4　BP算法的加速技术180

6.4.1　最速下降法180

6.4.2　牛顿法182

6.4.3　准牛顿法183

6.4.4　共轭梯度法183

6.4.5　Levenberg-Marquardt算法185

6.5　带约束条件的监督学习186

6.5.1　结构约束187

6.5.2　时间约束188

6.5.3　结构约束与时间约束的融合189

6.6　本章小结189

本章参考文献190

第7章　前馈网络Ⅱ：CMAC与局部性前馈网络192

7.1　CMAC的网络结构和学习算法192

7.1.1　输入空间的离散化X→S192

7.1.2　离散状态空间到记忆空间的非线性映射S→A193

7.1.3　CMAC网络的训练198

7.2　CMAC学习的收敛性分析200

7.3　B样条神经网络202

7.3.1　CMAC与基函数203

7.3.2　B样条神经网络的基函数205

7.4　径向基函数神经网络207

7.4.1　RBF的基函数和输出208

7.4.2　RBF的训练208

7.5　小波神经网络210

7.6　部分连接的多层感知器211

7.6.1　PCMLP的结构和原理212

7.6.2　PCMLP的两种形式214

7.7　本章小结215

本章参考文献216

8.1.1　FNN的网络结构和基本原理218

8.1　Ichihashi的模糊神经网络FNN218

第8章　前馈神经网络Ⅲ：模糊网络与高阶次展开类网络218

8.1.2　FNN的训练算法220

8.2　基于自适应网络的模糊推理系统（ANFIS）221

8.2.1　ANFIS的网络结构221

8.2.2　ANFIS的学习225

8.2.3　多输出的ANFIS（CANFIS）225

8.2.4　ANFIS的应用实例226

8.3　高阶神经网络232

8.3.1　HONN的原理和结构233

8.3.2　HONN的学习算法233

8.4　函数连接网络和随机向量函数连接网络235

8.5　幂级数网络240

8.5.1　幂级数网络的结构241

8.5.2　幂级数网络的修正242

8.6　本章小结244

本章参考文献245

9.1　概述246

第9章　竞争性网络与回归型网络246

9.2　Kohonen的自组织映射网（SOM）247

9.2.1　竞争性网络247

9.2.2　Kohonen的自组织映射网络结构248

9.2.3　Kohonen自组织映射网络的学习算法250

9.3　Kohonen的学习向量量化机254

9.3.1　学习向量量化机的网络结构254

9.3.2　学习向量量化机的学习算法254

9.4　离散型Hopfield网络256

9.4.1　DHNN的网络结构256

9.4.2　DHNN网络的工作方式257

9.4.3　稳定性与吸引子258

9.4.4　连接权设计与记忆容量259

9.5　本章小结263

本章参考文献263

10.1.1　智能控制、学习控制与神经控制265

10.1　概述265

第10章　基于神经网络的学习控制265

10.1.2　神经控制的分类266

10.2　再励学习的动作者－评论家策略268

10.2.1　倒立摆的学习控制问题269

10.2.2　盒子系统与状态空间的分割270

10.2.3　关联搜索单元（ASE）271

10.2.4　自适应评判单元（ACE）272

10.2.5　基于ASE/ACE模型学习控制的仿真结果273

10.3　再励学习的Q-学习策略274

10.3.1　一步Q-学习275

10.3.2　基于Q-网络的Q-学习276

10.4　监督学习的直接逆模型法277

10.4.1　远程监督学习问题277

10.4.2　直接逆模型法的基本原理278

10.4.3　基于CMAC的机械臂学习控制278

10.5　监督学习的远程学习法282

10.5.1　远程学习法的基本原理282

10.5.2　基于远程学习法的控制系统283

10.5.3　两关节机械臂的学习控制284

10.6　基于人－机在线协作的学习控制285

10.6.1　人－机在线协作的基本原理286

10.6.2　倒立摆的学习控制287

10.6.3　仿真结果289

10.7　关于学习控制的讨论290

10.7.1　关于神经网络与神经控制290

10.7.2　再励学习存在的主要问题291

10.7.3　直接逆模型法与远程学习法292

10.7.4　再励学习与监督学习293

10.8　本章小结293

本章参考文献294

第11章　遗传算法与进化计算296

11.1　概述296

11.1.1　遗传算法与进化计算296

11.1.2　遗传优化与传统优化297

11.2.1　遗传算法的基本操作299

11.2　遗传算法的基本原理299

11.2.2　遗传算法的实现303

11.2.3　适应值与早熟收敛304

11.3　遗传算法的模式理论305

11.3.1　定义长度与模式阶次305

11.3.2　二进制编码305

11.3.3　各算子对模式的影响306

11.4　编码与实数编码308

11.4.1　二进制编码存在的问题308

11.4.2　实数编码的各种算子309

11.5　遗传优化与搜索313

11.5.1　关于遗传优化313

11.5.2　关于搜索和产生优秀个体的假设315

11.5.3　遗传算法与局部搜索启发式方法的结合315

11.5.4　常见的选择方法316

11.6　进化策略与进化规划317

11.6.2　进化规划318

11.6.1　进化策略318

11.7　模糊规则用于遗传算法策略参数的调整319

11.7.1　Zeng-Rabenasolo方法320

11.7.2　Wang-Wang-Hu方法321

11.7.3　Lee-Takagi方法323

11.7.4　Xu-Vukovich方法323

11.7.5　Herrera-Viedma-Lozano-Verdegay方法323

11.7.6　Herrera-Lozano方法324

11.8　遗传算法的应用325

11.8.1　遗传算法在模糊控制中的应用325

11.8.2　遗传算法在组合优化中的应用328

11.9　本章小结332

本章参考文献333

第12章　多智能体系统、人工免疫与人工情感335

12.1　多智能体系统335

12.1.1　智能体和多智能体系统335

12.1.2　多智能体系统体系结构和协调机制338

12.1.3　多智能体协作的研究方法340

12.1.4　多智能体技术的应用342

12.2　人工情感344

12.2.1　概述344

12.2.2　医学心理学关于情感的主要观点345

12.2.3　情感识别346

12.2.4　情感建模347

12.2.5　人工情感的应用349

12.3　人工免疫系统350

12.3.1　人工免疫系统概述351

12.3.2　生物免疫系统概述351

12.3.3　人工免疫网络模型356

12.3.4　人工免疫算法361

12.3.5　免疫机器人363

12.4　本章小结366

本章参考文献367