類神經網路與模糊控制理論入門與應用

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

第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

第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

第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

第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

第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

第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

第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

第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

第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

第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

第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