神经网络控制已经发展成为智能控制的一个新分文，为解决复杂的非线性、不确定及不确知系统的控制总是开辟了新途径。本书分5章阐述了（人工）神经网络理论基础，基于神经网络的动态系统的模板、逆模型及其辨识，神经网络控制的多种结构及其设计，遗传算法的寻优机理，遗传算法与系统辨识、与神经控制问题。
本书适合作为高等院工科校信息处理、自动控制、工业自动化、模式识别与智能控制等专业高年级本科生、研究生的教材或教学参考书，也适合相关专业的工程技术人员阅读。

第1章 绪言
1-1 人工神经网络的特点
1-2 神经网络控制取得的进展
1-3 神经网络控制待解决的问题
第2章 神经网络理论基础
2-1 引言
2-2 生物神经元与人工神经元模型
2-1-1 生物神元
2-1-2 MP模型
2-1-3 其他形式的作用函数
2-1-4 Hebb学习规则
2-3 感知器
2-3-1 单层感知器
2-3-2 多层感知器
2-4 多层前馈网络与BP学习算法
2-4-1 网络结构
2-4-2 BP学习算法
2-4-3 有关的几个问题
2-5 自适应线性神经元
2-6 径向基函数神经网络
2-6-1 网络输出计算
2-6-2 网络的学习算法
2-6-3 有关的几个问题
2-7 小脑模型神经网络
2-7-1 CMAC的结构及工作原理
2-7-2 CMAC的学习算法及分析
2-7-3 有关的几个问题
2-8 PID神经网络
2-8-1 网络结构与输出计算
2-8-2 学习算法
2-8-3 有关的两个问题
2-9 全递归型神经网络
2-9-1 网络结构
2-9-2 BPTT算法
2-9-3 RTRL算法
2-10 局部递归型神经网络
2-10-1 内时延反馈型网络
2-10-2 外时延反馈型网络
2-11 连续型Hopfield网络
2-11-1 网络的描述
2-11-2 网络的稳定性
2-11-3 学习算法
2-11-4 有关的几个问题
2-12 小结
习题
第3章 基于神经网络的系统辨识
3-1 引言
3-2 系统辨识的基础知识
3-2-1 系统辨识的基本原理
3-2-2 误差准则
3-2-3 辨识精度
3-2-4 辨识的主要步骤
3-3 基于神经网络的系统辨识原理
3-3-1 系统模型及逆模型���辨识
3-3-2 动态系统辨识常用的神经网络
3-3-3 两种辨识结构
3-4 线性动态系统模型与辨识
3-4-1 确定性系统模型
3-4-2 随机系统模型
3-4-3 确定性系统的神经网络辨识
3-4-4 随机系统的神经网络辨识
3-5 非线性动态系统模型与辨识
3-5-1 非线性系统模型
3-5-2 神经网络系统辨识
3-6 线性动态系统的逆模型与辨识
3-6-1 线性系统的逆模型
3-6-2 神经网络逆模型辨识
3-7 非线性动态系统逆模型与辨识
3-7-1 非线性系统的逆与可逆性
3-7-2 非线性系统逆模型
3-7-3 神经网络逆模型辨识
习题
第4章 神经网络控制
4-1 引言
4-2 神经网络控制的设计与实现
4-2-1 神经网络控制的设计
4-2-2 神经网络控制的实现
4-3 神经自校正控制
4-3-1 神经自校正控制结构
4-3-2 神经PID控制器
4-5 神经模型参考自适应控制
4-6 神经内模控制
4-6-1 内模控制原理
4-6-2 线性内模控制设计
4-6-3 神经非线性内模控制
4-7 PID神经网络控制
4-7-1 PID神经网络单变量控制
4-7-2 PID神经网络多变量控制
4-8 小脑模型神经控制
4-8-1 CMAC直接逆运动控制
4-8-2 CMAC前馈控制
4-8-2 CMAC反馈控制
4-9 再励学习与神经控制
4-9-1 再励学习原理
4-9-2 再励学习算法
4-9-3 再励学习神经控制
4-10 小结
习题
第5章 遗传算法与神经控制
5-1 引言
5-2 基本的遗传算法
5-2-1 生物的遗传、进化和适应性
5-2-2 基本的遗传算法概述
5-2-3 遗传操作
5-2-4 GA的有效性
5-2-5 适应度及调整
5-2-6 有关的几个问题
5-3 模式定理
5-3-1 模式
5-3-2 基本算子对模式的影响
5-4 遗传算法的发展
5-4-1 交叉、变异概率的自适应调整
5-4-2 **算子
5-4-3 并行GA
5-4-4 可变长个体与Messy GA
5-4-5 基于小生境技术的GA
5-4-6 混合GA
5-4-7 导入年龄结构的GA
5-4-8 基于基因分布评价的适应度调整
5-4-9 GA理论研究
5-5 遗传算法与函数*优化
5-6 遗传算法与系统辨识
5-7 神经网络的遗传进化训练
5-8 遗传算法与神经控制
5-9 小结
习题
附录A 梯度下降法
A-1 迭代算法
A-2 步长的选择
A-3 一般迭代算法
A-4 梯度下降法的不足
附录B 赋范空间的逼近
B-1 距离空间
B-2 线性赋泛空间
B-3 Banach空间
B-4 *佳逼近
B-5 *佳逼近元的存在性和惟一性
B-6 *佳一致逼近
B-7 L2逼近
附录C 无监督学习的两种动态聚类算法
C-1 聚类分析
C-2 两种动态聚类法
C-3 几点说明
附录D 镜像映射*小二乘解法
D-1 镜像映射法
D-2 正交矩阵
D-3 镜像映射矩阵
D-4 矩阵三角化
D-5 正交矩阵的求取
附录E B样条函数
E-1 样条函数
E-2 B样条函数
E-3 函数的插值与逼近
附录F Lyapunov 第二方法
F-1 有关的定义
F-2 Lyapunov第二方法
附录G M序列及逆M序列
G-1 M序列
G-2 逆M序列
附录H Z变换
H-1 Z变换的定义
H-2 Z变换的性质
H-3 Z反变换
附录I 线性连续系统的Z传递函数
参考文献

神经网络控制已经发展成为智能控制的一个新分文,为解决复杂的非线性、不确定及不确知系统的控制总是开辟了新途径。本书分5章阐述了(人工)神经网络理论基础,基于神经网络的动态系统的模板、逆模型及其辨识,神经网络控制的多种结构及其设计,遗传算法的寻优机理,遗传算法与系统辨识、与神经控制问题。本书适合作为高等院工科校信息处理、自动控制、工业自动化、模式识别与智能控制等专业高年级本科生、研究生的教材或教学参考书,也适合相关专业的工程技术人员阅读。