目錄
1章 類神經網路簡介1-11-1 何謂「類神經網路」1-21-2 腦生理學1-21-2.1 神經細胞電化學作用學說1-31-2.2 Hebbian神經細胞學習規則1-31-3 生物神經元模型1-41-3.1 神經網路計算與數位電腦的比較1-51-4 人工神經元模型1-61-4.1 常用的非線性轉換函數1-71-5 類神經網路基本架構1-91-6 類神經網路的運作過程1-101-6.1 回歸型網路的運作過程1-111-6.2 前授型網路的運作過程1-111-7 類神經網路的特性1-122章 感知機與倒傳遞類神經網路2-12-1 單層感知機2-22-1.1 單層感知機數學模型2-22-1.2 單層感知機的分類應用2-32-1.3 加入隱藏單元的感知機2-62-1.4 感知機的評價2-62-2 前授型多層感知機2-72-3 倒傳遞類神經網路2-82-3.1 網路架構2-82-3.2 運作過程2-92-4 倒傳遞網路演算法2-102-4.1 學習演算法2-102-4.2 回想演算法2-152-4.3 演算法的推導2-162-5 倒傳遞網路程式例2-202-5.1 學習程式2-202-5.2 回想程式2-272-6 倒傳遞網路的應用實例2-312-6.1 實例一:XOR邏輯問題2-312-6.2 實例二:蝴蝶花分類問題2-342-7 倒傳遞神經網路的評價2-393章 霍普菲爾網路3-13-1 網路架構與運作過程3-23-1.1 由能量觀點來看網路的運作過程3-43-1.2 霍普菲爾網路的類型3-63-2 霍普菲爾網路演算法3-73-2.1 記憶演算法3-73-2.2 聯想演算法3-83-2.3 網路手算例3-93-3 霍普菲爾網路演算法的證明3-133-4 霍普菲爾網路程式例3-163-4.1 記憶程式3-163-4.2 聯想程式3-193-5 霍普菲爾網路應用實例3-233-5.1 記憶聯想人的臉面特徵3-233-5.2 記憶聯想阿拉伯數字3-263-6 霍普菲爾網路容量問題3-343-7 連續型霍普菲爾網路模型3-353-8 霍普菲爾網路的評價3-384章 類神經網路的應用4-14-1 自走式機械人控制4-24-1.1 運動機構4-24-1.2 感測器4-34-1.3 控制電路4-44-1.4 神經網路架構4-54-1.5 學習過程4-74-1.6 佈景設計與訓練樣本4-84-2 類神經網路控制系統模型4-144-2.1 一般學習架構4-154-2.2 專門學習架構4-164-2.3 一般學習與專門學習混合應用4-194-3 最佳化計算4-194-3.1 旅行推銷員問題的求解過程4-214-3.2 求解旅行推銷員問題的程式例4-254-3.3 應用實例4-334-3.4 霍普菲爾網路在最佳化計算的評價4-365章 集合理論 傳統與模糊集合5-15-1 傳統集合5-25-1.1 傳統集合的運算5-35-1.2 傳統集合的運算性質5-45-1.3 傳統集合的特徵函數5-65-2 模糊集合5-75-2.1 模糊集合的表示法5-95-2.2 模糊集合運算5-125-2.3 模糊集合運算性質5-135-3 模糊集合歸屬函數的特徵5-145-4 傳統集合的關係5-185-4.1 直積集合5-185-4.2 傳統關係5-195-4.3 傳統關係的運算5-205-5 模糊集合的關係5-235-5.1 模糊關係5-235-5.2 模糊關係的運算5-245-6 映 射5-265-6.1 擴展原理5-276章 模糊邏輯與模糊推論6-16-1 傳統二值邏輯6-26-1.1 複合命題6-36-1.2 以集合關係來表示蘊含邏輯運算6-56-1.2 2值邏輯推論6-96-2 模糊邏輯6-116-2.1 複合模糊命題6-126-3 模糊語言6-156-4 模糊推論6-167章 模糊控制7-17-1 簡 介7-27-1.1 本章學習目標7-37-2 模糊控制器的組成7-37-3 模糊控制器的設計步驟7-57-4 水位模糊控制7-97-5 洗衣機模糊控制7-137-6 本章重點7-258章 模糊溫度控制器8-18-1 系統描述8-28-2 單輸入系統模糊溫度控制器8-28-3 單輸入模糊溫度控制器的實作8-68-4 雙輸入模糊溫度控制器8-118-5 雙輸入模糊溫度控制器的實現8-168-6 本章重點8-259章 ANFIS自適應網路模糊推論系統9-19-1 Sugeno模糊模型9-29-1.1 一次Sugeno模糊推論系統9-29-2 ANFIS架構9-39-3 ANFIS參數學習9-69-4 MATLAB中與ANFIS相關的函數9-69-5 以ANFIS求解XOR邏輯9-129-6 ANFIS在模糊控制器設計的應用9-159-7 本章重點9-1710章 自組性類神經網路10-110-1 簡 介10-210-2 SOM類神經網路10-210-2.1 SOM網路架構10-310-2.2 SOM學習演算法10-410-3 SOM類神經網路程式例10-410-4 LVQ類神經網路10-910-4.1 LVQ網路架構10-1010-4.2 LVQ學習演算法10-1110-4.3 LVQ回想演算法10-1210-5 LVQ類神經網路程式例10-1310-6 ART類神經網路10-2210-6.1 ART-1網路架構10-2310-6.2 ART-1網路的學習原理10-2410-6.3 ART-1學習演算法10-2410-6.4 ART-1回想演算法10-2610-7 ART類神經網路程式例10-2710-8 本章重點10-3711章 RBF類神經網路11-111-1 簡 介11-211-1.1 本章學習重點11-311-2 RBF類神經網路架構11-311-3 RBFNN學習演算法11-511-4 RBFNN學習演算法的推導11-711-5 RBFNN辨識非線性數學模型11-811-6 PID控制原理11-1311-6.1 PID控制器的作用11-1411-6.2 數位PID控制11-1511-6.3 增量式PID控制11-1511-7 基於RBFNN調整的PID控制11-1611-7.1 PID控制參數的調整11-1711-7.2 Jacobian信息的計算11-1811-8 智慧型PID控制應用實例11-1911-8.1 未加RBF網路調整的PID控制11-2011-8.2 加入RBFNN調整的PID控制11-2211-9 本章重點11-2812章 基因演算法12-112-1 簡 介12-212-1.1 基因演算法的主要特性12-212-1.2 本章學習重點12-312-2 產生母代12-312-3 基因演算法的運算12-512-3.1 複製運算12-512-3.2 交配運算12-612.3-3 突變運算12-712-4 以C語言實現基因演算法12-712-4.1 應用範例(一)12-812-4.2 應用範例(二)12-1512-5 以MATLAB實現基因演算法12-2112-5.1 MATLAB程式12-2312-6 基因演算法PID控制12-2612-6.1 MATLAB程式12-2912-7 本章重點12-35附錄 以VisualC++2005編譯類神經網路程式附-1
1章 類神經網路簡介1-11-1 何謂「類神經網路」1-21-2 腦生理學1-21-2.1 神經細胞電化學作用學說1-31-2.2 Hebbian神經細胞學習規則1-31-3 生物神經元模型1-41-3.1 神經網路計算與數位電腦的比較1-51-4 人工神經元模型1-61-4.1 常用的非線性轉換函數1-71-5 類神經網路基本架構1-91-6 類神經網路的運作過程1-101-6.1 回歸型網路的運作過程1-111-6.2 前授型網路的運作過程1-111-7 類神經網路的特性1-122章 感知機與倒傳遞類神經網路2-12-1 單層感知機2-22-1.1 單層感知機數學模型2-22-1.2 單層感知機的分類應用2-32-1.3 加...