類神經網路與模糊控制理論入門與應用

王進德

  • 出版商: 全華
  • 出版日期: 2007-01-30
  • 定價: $350
  • 售價: 9.0$315
  • 語言: 繁體中文
  • ISBN: 9572155946
  • ISBN-13: 9789572155943
  • 相關分類: DeepLearning 深度學習

立即出貨(限量) (庫存=2)

買這商品的人也買了...

相關主題

商品描述

本書特色 

1 . 本書強調理論與實務並重,摒棄推導複雜數學公式的寫作方式。
2 . 內容著重以實例來說明理論,期使讀者在閱讀本書後,可將書中介紹的方法來解決實際的應用問題。

 

本書內容

「類神經網路」及「模糊控制」在近幾年迅速的發展下,已成為時下的新寵,在教育界與業界相配合的需求下,瞭解此門知識實為當務之急。本書詳述各類型的類神經網路及應用,並探討模糊理論及其邏輯,本書中介紹的實例Neural Fuzzy應用的典型範例,讀者可經由此書得到完整的新知。其內容包括;類神經網路簡介、多感知機與倒傳遞類神經網路、霍普菲爾網路、類神經網路的應用、集合理論─傳統與模糊集合、模糊邏輯與模糊理論、模糊控制、模糊溫度控制器、ANFIS自適應網路模糊推論系統、自組性類神經網路、RBF類神經網路、基因演算法等。本書適合私立大學、科大電子、電機、資工系「類神經網路」課程。

<目錄>

第1章 類神經網路簡介1-1
1-1 何謂「類神經網路」1-2
1-2 腦生理學1-2
1-2.1 神經細胞電化學作用學說1-3
1-2.2 Hebbian神經細胞學習規則1-3
1-3 生物神經元模型1-4
1-3.1 神經網路計算與數位電腦的比較1-5
1-4 人工神經元模型1-6
1-4.1 常用的非線性轉換函數1-7
1-5 類神經網路基本架構1-9
1-6 類神經網路的運作過程1-10
1-6.1 回歸型網路的運作過程1-11
1-6.2 前授型網路的運作過程1-11
1-7 類神經網路的特性1-12

2章 感知機與倒傳遞類神經網路2-1
2-1 單層感知機2-2
2-1.1 單層感知機數學模型2-2
2-1.2 單層感知機的分類應用2-3
2-1.3 加入隱藏單元的感知機2-6
2-1.4 感知機的評價2-6
2-2 前授型多層感知機2-7
2-3 倒傳遞類神經網路2-8
2-3.1 網路架構2-8
2-3.2 運作過程2-9
2-4 倒傳遞網路演算法2-10
2-4.1 學習演算法2-10
2-4.2 回想演算法2-15
2-4.3 演算法的推導2-16
2-5 倒傳遞網路程式例2-20
2-5.1 學習程式2-20
2-5.2 回想程式2-27
2-6 倒傳遞網路的應用實例2-31
2-6.1 實例一:XOR邏輯問題2-31
2-6.2 實例二:蝴蝶花分類問題2-34
2-7 倒傳遞神經網路的評價2-39

3章 霍普菲爾網路3-1
3-1 網路架構與運作過程3-2
3-1.1 由能量觀點來看網路的運作過程3-4
3-1.2 霍普菲爾網路的類型3-6
3-2 霍普菲爾網路演算法3-7
3-2.1 記憶演算法3-7
3-2.2 聯想演算法3-8
3-2.3 網路手算例3-9
3-3 霍普菲爾網路演算法的證明3-13
3-4 霍普菲爾網路程式例3-16
3-4.1 記憶程式3-16
3-4.2 聯想程式3-19
3-5 霍普菲爾網路應用實例3-23
3-5.1 記憶聯想人的臉面特徵3-23
3-5.2 記憶聯想阿拉伯數字3-26
3-6 霍普菲爾網路容量問題3-34
3-7 連續型霍普菲爾網路模型3-35
3-8 霍普菲爾網路的評價3-38

4章 類神經網路的應用4-1
4-1 自走式機械人控制4-2
4-1.1 運動機構4-2
4-1.2 感測器4-3
4-1.3 控制電路4-4
4-1.4 神經網路架構4-5
4-1.5 學習過程4-7
4-1.6 佈景設計與訓練樣本4-8
4-2 類神經網路控制系統模型4-14
4-2.1 一般學習架構4-15
4-2.2 專門學習架構4-16
4-2.3 一般學習與專門學習混合應用4-19
4-3 最佳化計算4-19
4-3.1 旅行推銷員問題的求解過程4-21
4-3.2 求解旅行推銷員問題的程式例4-25
4-3.3 應用實例4-33
4-3.4 霍普菲爾網路在最佳化計算的評價4-36

5章 集合理論  傳統與模糊集合5-1
5-1 傳統集合5-2
5-1.1 傳統集合的運算5-3
5-1.2 傳統集合的運算性質5-4
5-1.3 傳統集合的特徵函數5-6
5-2 模糊集合5-7
5-2.1 模糊集合的表示法5-9
5-2.2 模糊集合運算5-12
5-2.3 模糊集合運算性質5-13
5-3 模糊集合歸屬函數的特徵5-14
5-4 傳統集合的關係5-18
5-4.1 直積集合5-18
5-4.2 傳統關係5-19
5-4.3 傳統關係的運算5-20
5-5 模糊集合的關係5-23
5-5.1 模糊關係5-23
5-5.2 模糊關係的運算5-24
5-6 映 射5-26
5-6.1 擴展原理5-27

6章 模糊邏輯與模糊推論6-1
6-1 傳統二值邏輯6-2
6-1.1 複合命題6-3
6-1.2 以集合關係來表示蘊含邏輯運算6-5
6-1.2 2值邏輯推論6-9
6-2 模糊邏輯6-11
6-2.1 複合模糊命題6-12
6-3 模糊語言6-15
6-4 模糊推論6-16

7章 模糊控制7-1
7-1 簡 介7-2
7-1.1 本章學習目標7-3
7-2 模糊控制器的組成7-3
7-3 模糊控制器的設計步驟7-5
7-4 水位模糊控制7-9
7-5 洗衣機模糊控制7-13
7-6 本章重點7-25

8章 模糊溫度控制器8-1
8-1 系統描述8-2
8-2 單輸入系統模糊溫度控制器8-2
8-3 單輸入模糊溫度控制器的實作8-6
8-4 雙輸入模糊溫度控制器8-11
8-5 雙輸入模糊溫度控制器的實現8-16
8-6 本章重點8-25

9章 ANFIS自適應網路模糊推論系統9-1
9-1 Sugeno模糊模型9-2
9-1.1 一次Sugeno模糊推論系統9-2
9-2 ANFIS架構9-3
9-3 ANFIS參數學習9-6
9-4 MATLAB中與ANFIS相關的函數9-6
9-5 以ANFIS求解XOR邏輯9-12
9-6 ANFIS在模糊控制器設計的應用9-15
9-7 本章重點9-17

10章 自組性類神經網路10-1
10-1 簡 介10-2
10-2 SOM類神經網路10-2
10-2.1 SOM網路架構10-3
10-2.2 SOM學習演算法10-4
10-3 SOM類神經網路程式例10-4
10-4 LVQ類神經網路10-9
10-4.1 LVQ網路架構10-10
10-4.2 LVQ學習演算法10-11
10-4.3 LVQ回想演算法10-12
10-5 LVQ類神經網路程式例10-13
10-6 ART類神經網路10-22
10-6.1 ART-1網路架構10-23
10-6.2 ART-1網路的學習原理10-24
10-6.3 ART-1學習演算法10-24
10-6.4 ART-1回想演算法10-26
10-7 ART類神經網路程式例10-27
10-8 本章重點10-37

11章 RBF類神經網路11-1
11-1 簡 介11-2
11-1.1 本章學習重點11-3
11-2 RBF類神經網路架構11-3
11-3 RBFNN學習演算法11-5
11-4 RBFNN學習演算法的推導11-7
11-5 RBFNN辨識非線性數學模型11-8
11-6 PID控制原理11-13
11-6.1 PID控制器的作用11-14
11-6.2 數位PID控制11-15
11-6.3 增量式PID控制11-15
11-7 基於RBFNN調整的PID控制11-16
11-7.1 PID控制參數的調整11-17
11-7.2 Jacobian信息的計算11-18
11-8 智慧型PID控制應用實例11-19
11-8.1 未加RBF網路調整的PID控制11-20
11-8.2 加入RBFNN調整的PID控制11-22
11-9 本章重點11-28

12章 基因演算法12-1
12-1 簡 介12-2
12-1.1 基因演算法的主要特性12-2
12-1.2 本章學習重點12-3
12-2 產生母代12-3
12-3 基因演算法的運算12-5
12-3.1 複製運算12-5
12-3.2 交配運算12-6
12.3-3 突變運算12-7
12-4 以C語言實現基因演算法12-7
12-4.1 應用範例(一)12-8
12-4.2 應用範例(二)12-15
12-5 以MATLAB實現基因演算法12-21
12-5.1 MATLAB程式12-23
12-6 基因演算法PID控制12-26
12-6.1 MATLAB程式12-29
12-7 本章重點12-35

附錄 以Visual C++ 2005編譯類神經網路程式  附-1