基于神经网络的智能控制方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-22页 |
| ·课题背景 | 第13-14页 |
| ·神经网络发展现状 | 第14-15页 |
| ·模糊控制发展现状 | 第15-17页 |
| ·遗传算法发展现状 | 第17-18页 |
| ·遗传算法、模糊逻辑与神经网络的结合 | 第18-21页 |
| ·本文的主要工作 | 第21-22页 |
| 2 神经网络控制系统及BP网络 | 第22-32页 |
| ·引言 | 第22页 |
| ·神经网络控制系统 | 第22-25页 |
| ·基于神经网络的辨识 | 第25-26页 |
| ·BP神经网络及其算法 | 第26-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于递阶遗传算法的神经网络 | 第32-45页 |
| ·引言 | 第32-33页 |
| ·递阶遗传算法 | 第33-34页 |
| ·优化神经网络的自适应递阶遗传算法 | 第34-38页 |
| ·神经网络辨识的混合学习算法 | 第38-42页 |
| ·仿真实例及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于递归模糊补偿算子的神经网络 | 第45-62页 |
| ·引言 | 第45-46页 |
| ·具有快速学习算法的补偿模糊神经网络 | 第46-53页 |
| ·加入递归单元的补偿模糊神经网络 | 第53-58页 |
| ·仿真实例及分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 5 氧乐果合成反应温度控制系统 | 第62-72页 |
| ·氧乐果合成反应系统分析 | 第62-65页 |
| ·氧乐果合成反应温度神经网络控制系统 | 第65-71页 |
| ·本章小结 | 第71-72页 |
| 6 结论与展望 | 第72-74页 |
| ·结论 | 第72-73页 |
| ·展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 附录 攻读硕士学位期间发表的学术论文 | 第80页 |
