智能控制理论、方法与应用

1 (p1): 1绪论
1 (p1-1): 1.1传统控制所面临的问题
2 (p1-2): 1.2智能控制的定义、特点及其发展历史
3 (p1-3): 1.3智能控制的主要研究内容
3 (p1-3-1): 1.3.1模糊控制
5 (p1-3-2): 1.3.2神经网络控制
6 (p1-3-3): 1.3.3遗传算法
8 (-1): 习题
9 (p2): 2递阶智能系统
9 (p2-1): 2.1递阶智能系统概述
9 (p2-1-1): 2.1.1信息的层次
10 (p2-1-2): 2.1.2信息的特征
11 (-1): 2.2.1基本概念
13 (-1-1): 2.2.2基本方法
18 (-1): 2.3.1分解与综合
19 (-1-1): 2.3.2数据融合
22 (-1): 习题
23 (p3): 3模糊控制理论
23 (p3-1): 3.1概述
23 (p3-1-1): 3.1.1模糊控制理论简介
23 (p3-1-2): 3.1.2模糊理论的发展简史
24 (p3-1-3): 3.1.3模糊控制理论的特点
24 (-1): 3.2.1从经典集合到模糊集合
25 (-1-1): 3.2.2模糊集合及其运算
29 (-1-2): 3.2.3隶属函数
31 (-1): 3.3.1模糊矩阵的定义及其运算
32 (-1-1): 3.3.2模糊关系
34 (-1-2): 3.3.3模糊关系的合成
35 (-1): 3.4.1语言变量与蕴含关系
38 (-1-1): 3.4.2模糊推理的方式
41 (-1-2): 3.4.3模糊推理的性质
42 (-1): 3.5.1模糊控制结构概述
43 (-1-1): 3.5.2模糊控制器的设计结构
43 (-1-2): 3.5.3输入向量的模糊化
45 (-1-3): 3.5.4规则库和推理机
46 (-1-4): 3.5.5输出向量的解模糊
48 (-1): 3.6.1传统的模糊查询表算法
48 (-1-1): 3.6.2由传统模糊查询表算法推导出模糊单点算法
53 (-1-2): 3.6.3二输入下的模糊单点算法及编程思路
56 (p4): 4专家系统
56 (p4-1): 4.1专家系统概述
56 (p4-1-1): 4.1.1专家系统简介
56 (p4-1-2): 4.1.2专家系统发展简史
57 (p4-1-3): 4.1.3专家系统的特点
57 (-1): 4.2.1专家系统的类型
58 (-1-1): 4.2.2专家系统的基本组成
60 (-1): 4.3.1逻辑表示法
65 (-1-1): 4.3.2产生式表示法
68 (-1-2): 4.3.3框架表示法
70 (-1-3): 4.3.4“与或图”表示法
71 (-1-4): 4.3.5语义网络表示法
74 (-1): 4.4.1盲目推理
82 (-1-1): 4.4.2启发式推理机制
89 (-1-2): 4.4.3演绎推理和归纳推理
91 (-1-3): 4.4.4精确推理和不精确推理
92 (-1): 4.5.1设计初始知识库
92 (-1-1): 4.5.2知识库的建立
95 (-1-2): 4.5.3知识库的管理和维护
98 (p5): 5神经网络
98 (p5-1): 5.1神经网络概述
98 (p5-1-1): 5.1.1神经网络简介
99 (p5-1-2): 5.1.2神经网络发展历史
99 (p5-1-3): 5.1.3神经网络的特点
100 (-1): 5.2.1神经网络模型
101 (-1-1): 5.2.2神经网络学习方法
101 (-1): 5.3.1前向神经网络的数学基础
104 (-1-1): 5.3.2前馈BP网络
110 (-1-2): 5.3.3径向基函数神经网络
114 (-1-3): 5.3.4前馈神经网络的泛化问题
115 (-1): 5.4.1离散型Hopfield神经网络
116 (-1-1): 5.4.2连续型Hopfield神经网络
118 (-1-2): 5.4.3 Hopfield神经网络的应用领域
121 (-1): 5.5.1网络的拓扑结构
121 (-1-1): 5.5.2 SOM网络的原理及其算法
125 (p6): 6遗传算法
125 (p6-1): 6.1概述
125 (p6-1-1): 6.1.1遗传算法简介
125 (p6-1-2): 6.2.2遗传算法发展简史
126 (p6-1-3): 6.2.3遗传算法的特点
127 (-1): 6.2.1遗传算法的基本原理
128 (-1-1): 6.2.2遗传算法的设计与实现
133 (-1-2): 6.2.3遗传算法运行参数的选择
134 (-1-3): 6.2.4函数寻优实例
137 (-1):…