智能控制系统及其应用（信息与通信工程 第2版）

　　本书是作者在中国科学技术大学自动化系讲授二十多年的研究生课程“智能系统”的教材，是在已经使用的教材《神经网络、模糊系统及其在运动控制中的应用》《智能控制系统及其应用》的基础上，增加补充**的研究成果而集成的，主要内容包括人工神经网络、模糊逻辑系统、模糊神经网络、进化算法、智能优化算法和深度学习网络及其应用。在介绍神经网络理论与模糊集合理论的基础上，对人工神经网络与模糊逻辑控制系统的设计与应用，以及两者之间的相互关系，进行了较深层次的理论分析与综合，并对深度卷积神经网络的结构与算法进行了设计与分析，给出了具体应用设计与实现的详细过程，使读者能够从中了解和掌握运用模糊神经系统理论与技术和智能优化理论与技术进行实际系统设计和灵活应用的方法。本书选材新颖，材料翔实，系统性强，通俗易懂，既有理论分析与综合，又有实际系统的设计与应用。本书既可作为高校自动化专业、机械专业、电力电气专业、计算机科学与应用专业及其他相关专业的研究生教学用书，也可供从事智能科学、系统科学、计算机科学、应用数学、自动控制等领域研究的广大科技人员阅读和参考。

暂缺《智能控制系统及其应用（信息与通信工程 第2版）》作者简介

第2版前言
前言
第1章 概述
1.1 自动控制系统及其理论的发展历程
1.2 智能控制系统及其理论
1.2.1 智能控制理论
1.2.2 智能控制系统的基本功能特点
1.2.3 智能控制技术的应用
1.3 智能控制与传统控制的比较分析
1.3.1 传统控制的特点与不足
1.3.2 智能控制与传统控制的关系
1.4 智能优化算法
1.5 本书内容
第2章 前向神经网络
2.1 感知器网络
2.1.1 感知器的网络结构及其功能
2.1.2 感知器权值的学习规则与训练
2.2 自适应线性元件
2.2.1 自适应线性神经元模型和结构
2.2.2 W-H学习规则及其网络的训练
2.3 反向传播网络
2.3.1 反向传播网络模型与结构
2.3.2 BP算法
2.3.3 BP网络的设计
2.3.4 BP网络的限制与不足
2.4 径向基函数网络
2.4.1 径向基函数网络结构
2.4.2 网络训练与设计
2.4.3 广义径向基函数网络
第3章 网络训练优化算法及其性能对比
3.1 基于标准梯度下降的方法
3.1.1 附加动量法
3.1.2 自适应学习速率
3.1.3 弹性BP算法
3.2 基于数值优化方法的网络训练算法
3.2.1 拟牛顿法
3.2.2 共轭梯度法
3.2.3 Levenberg-Marquardt法
3.3 前向网络的数值性能对比
3.3.1 非线性函数的逼近
3.3.2 逼近非线性直流电机的输入／输出特性
第4章 递归神经网络
4.1 各种递归神经网络
4.1.1 全局反馈型递归神经网络
4.1.2 前向递归神经网络
4.1.3 混合型网络
4.1.4 ，J、结
4.2 全局反馈递归网络
4.2.1 海布学习规则
4.2.2 正交化的权值设计
4.2.3 离散型反馈网络的稳定点与稳定域
4.3 连续型霍普菲尔德网络
4.3.1 对应于电子电路的网络结构
4.3.2 霍普菲尔德能量函数及其稳定性分析
4.3.3 能量函数与优化计算
4.4 自组织竞争网络
4.4.1 网络结构
4.4.2 竞争学习规则
4.4.3 竞争网络的训练过程
4.5 科荷伦自组织映射网络
4.5.1 科荷伦网络拓扑结构
4.5.2 网络的训练过程
4.5.3 科荷伦网络的应用
第5章 神经网络在智能控制系统中的应用
5.1 直接正向模型建立
5.2 逆模型建立
5.3 系统中的控制
5.3.1 监督式控制
5.3.2 直接逆控制
……
第6章 模糊理论基础
第7章 模糊控制器的设计方法
第8章 模糊控制系统的应用
第9章 模糊神经网络
第10章 模糊神经系统的应用
第11章 进化算法
第12章 进化算法的应用
第13章 智能优化算法及其应用
第14章 深度学习网络及其算法
第15章 卷积神经网络的应用
参考文献