幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能控制技術(第3版工業和信息化部十四五規劃教材)

  • 作者：編者:韋巍//夏楊紅|責編:吉玲
  • 出版社：機械工業
  • ISBN：9787111737018
  • 出版日期：2023/12/01
  • 裝幀：平裝
  • 頁數：198
人民幣：RMB 43 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    智能控製作為控制理論發展的第三個階段，是人工智慧、認知科學、模糊數學、生物控制論、學習理論等在控制論的交叉與結合。本書總結了近些年來智能控制的研究成果，詳細闡述了智能控制的基本概念、工作原理和設計方法。本書的主要內容包括：智能控制的基本概念、模糊控制的理論基礎、模糊控制系統、人工神經元網路模型、神經網路控制論、智能控制的集成技術、深度學習和強化學習。本書在深入系統地介紹智能控制設計理論和應用方法的同時，還給出了一些設計實例和MATLAB演算法常式。
    本書選材新穎、系統性強、通俗易懂，突出理論聯繫實際，並配有一定數量的習題、思考題和上機實驗題，適合初學者學習智能控制的基本理論和方法。本書可作為高等院校自動化、電氣工程及其自動化、電腦科學與技術、電子信息工程等專業高年級本科生的教材，也可供相關專業的工程技術人員閱讀和參考。
作者介紹
編者:韋巍//夏楊紅|責編:吉玲
目錄
前言
第一章  緒論
  第一節  智能控制的發展過程
    一、智能控制問題的提出
    二、智能控制的發展
  第二節  智能控制的主要方法
    一、專家系統和專家控制
    二、模糊控制
    三、神經元網路控制
    四、學習控制
  第三節  智能控制系統的構成原理
    一、智能控制系統的結構
    二、智能控制系統的特點
    三、智能控制系統研究的數學工具
  習題和思考題
第二章  模糊控制的理論基礎
  第一節  模糊控制概述
    一、模糊控制的發展
    二、模糊控制的特點
    三、模糊控制的定義
  第二節  模糊集合論基礎
    一、模糊集合的概念
    二、模糊集合的運算
    三、模糊集合運算的基本性質
    四、隸屬度函數的建立
    五、模糊關係
  第三節  模糊邏輯、模糊邏輯推理和合成
    一、二值邏輯
    二、模糊邏輯及其基本運算
    三、模糊語言邏輯
    四、模糊邏輯推理
    五、模糊關係方程的解
  本章小結
  習題和思考題
第三章  模糊控制系統
  第一節  模糊控制系統的組成
    一、模糊化過程
    二、知識庫
    三、推理決策邏輯
    四、精確化計算
  第二節  模糊控制器的設計
    一、模糊控制器的結構設計
    二、模糊控制器的基本類型
    三、模糊控制器的設計原則
    四、模糊控制器的常規設計方法
  第三節  模糊控制器的設計舉例
    一、流量控制的模糊控制器設計
    二、倒立擺的模糊控制器設計
  第四節  模糊PID控制器的設計
    一、模糊控制器和常規PID的混合結構

    二、常規PID參數的模糊自整定技術
  本章小結
  習題和思考題
  上機實驗題
第四章  人工神經元網路模型
  第一節  神經網路概述
    一、神經元模型
    二、神經網路的模型分類
    三、神經網路的學習演算法
    四、神經網路的泛化能力
  第二節  前向神經網路模型
    一、單一人工神經元
    二、單層神經網路結構
    三、多層神經網路結構
    四、多層傳播網路的BP學習演算法
    五、BP學習演算法的MATLAB常式
  第三節  動態神經網路模型
    一、帶時滯的多層感知器網路
    二、Hopfield神經網路
    三、回歸神經網路
  本章小結
  習題和思考題
第五章  神經網路控制論
  第一節  神經網路與神經網路控制器
    一、神經網路控制的優越性
    二、神經網路控制器的分類
    三*、神經網路的逼近能力
  第二節  非線性動態系統的神經網路辨識
    一、神經網路的辨識基礎
    二、神經網路辨識模型的結構
    三*、非線性動態系統神經網路的辨識
  第三節  神經網路控制的學習機制
    一、監督式學習
    二、增強式學習
  第四節  神經網路控制器的設計
    一、神經網路直接逆模型控製法
    二、直接網路控製法
    三、多神經網路自學習控製法
    四、單一神經元控製法
  本章小結
  習題和思考題
第六章  *智能控制的集成技術
  第一節  模糊神經網路控制
    一、模糊神經網路的結構
    二、模糊神經網路的學習演算法
  第二節  基於神經網路的自適應控制
    一、自適應控制技術
    二、神經網路的模型參考自適應控制
  第三節  智能控制的優化演算法
    一、遺傳學習演算法

    二、蟻群學習演算法
    三、迭代學習演算法
  本章小結
第七章  深度學習
  第一節  深度學習概述
    一、什麼是深度學習
    二、深度學習模型中的優化
    三、GPU的重要性
  第二節  模型範式
    一、卷積神經網路
    二、循環神經網路
    三、自動編碼器
    四、注意力模型
  第三節  深度學習在智能電網中的應用
    一、電力設備及系統故障診斷
    二、光伏功率預測
    三、電力系統快速潮流計算
  本章小結
第八章  強化學習
  第一節  強化學習概述
    一、強化學習的產生與發展
    二、強化學習的關鍵要素
  第二節  強化學習理論基礎
    一、馬爾可夫決策過程
    二、基於價值函數的強化學習方法
    三、基於策略梯度的強化學習方法
  第三節  深度強化學習
    一、基於函數逼近器的強化學習
    二、深度Q學習演算法
    三、深度確定性策略梯度演算法
  第四節  深度強化學習在智能電網中的應用
    一、深度強化學習在理論研究階段的應用
    二、深度強化學習在實際優化問題中的應用
  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032