基于GA的模糊神经网络智能控制研究及其在非线性系统中的应用
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪 论 | 第10-18页 |
| ·选题背景及意义 | 第10-11页 |
| ·智能控制的发展概况 | 第11-12页 |
| ·智能控制的结构与特点 | 第12-13页 |
| ·神经网络及神经控制 | 第13-16页 |
| ·神经网络发展概况 | 第13页 |
| ·神经网络各种模型与算法 | 第13-15页 |
| ·神经网络控制 | 第15-16页 |
| ·神经网络的结构学习算法 | 第16页 |
| ·本论文的主要内容 | 第16-18页 |
| 2 模糊神经网络和遗传算法 | 第18-34页 |
| ·模糊推理 | 第18-22页 |
| ·概述 | 第18-19页 |
| ·模糊集合 | 第19-20页 |
| ·模糊推理 | 第20-22页 |
| ·神经网络 | 第22-26页 |
| ·人工神经元模型 | 第22-23页 |
| ·人工神经元网络的构成 | 第23-24页 |
| ·人工神经元网络的学习 | 第24-25页 |
| ·人工神经元网络的基本特性 | 第25-26页 |
| ·遗传算法 | 第26-34页 |
| ·概述 | 第26-27页 |
| ·经典遗传算法 | 第27-30页 |
| ·遗传算法的模式理论 | 第30-34页 |
| 3 基于GA的模糊神经网络模型研究及系统实例 | 第34-54页 |
| ·概述 | 第34页 |
| ·模糊系统和神经网络的融合 | 第34-36页 |
| ·模糊系统模型 | 第36页 |
| ·模糊神经网络的结构 | 第36-37页 |
| ·学习算法 | 第37-39页 |
| ·基于GA的模糊神经网络结构 | 第39-41页 |
| ·BP和GA结合算法实现 | 第41-44页 |
| ·BP算法部分 | 第41页 |
| ·GA算法部分 | 第41-43页 |
| ·GA与BP的结合 | 第43-44页 |
| ·基于GA的模糊神经网络系统实例 | 第44-54页 |
| ·被控对象的模型 | 第44-45页 |
| ·FNN控制器的设计 | 第45-47页 |
| ·被控对象的辨识 | 第47-49页 |
| ·模糊神经网络控制器的训练 | 第49-54页 |
| 4 模糊神经网络模型的参数优化 | 第54-66页 |
| ·概述 | 第54页 |
| ·网络隐含层节点数的优化 | 第54-55页 |
| ·遗传算法参数的优化 | 第55-60页 |
| ·应用GA的几个要点 | 第55页 |
| ·遗传算法的改进 | 第55-57页 |
| ·算法参数的调整 | 第57-60页 |
| ·模糊标记数对性能的影响 | 第60-66页 |
| 5 结论与展望 | 第66-68页 |
| ·结论 | 第66页 |
| ·展望 | 第66-68页 |
| 致 谢 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 附 录 | 第76-92页 |
