神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化方法及應(yīng)用

前言
第1章 緒論
1.1 引言
1.2 神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
1.2.1 神經(jīng)網(wǎng)絡(luò)的研究及發(fā)展
1.2.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及工作方式
1.2.3 神經(jīng)網(wǎng)絡(luò)的學習方法
1.2.4 神經(jīng)網(wǎng)絡(luò)的基本功能
1.2.5 神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域的應(yīng)用
1.2.6 神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域的應(yīng)用
1.2.7 神經(jīng)網(wǎng)絡(luò)及其應(yīng)用中有待于解決的問題
1.3 其他智能方法
1.3.1 粗糙集理論
1.3.2 Agent系統(tǒng)理論
1.3.3 信息融合技術(shù)
1.4 本書主要內(nèi)容
參考文獻
第2章 RBF網(wǎng)絡(luò)的快速資源優(yōu)化算法
2.1 引言
2.2 RBF網(wǎng)絡(luò)
2.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
2.2.2 網(wǎng)絡(luò)逼近能力
2.2.3 學習算法
2.2.4 應(yīng)用
2.2.5 優(yōu)點及問題
2.3 RBF網(wǎng)絡(luò)構(gòu)造算法
2.4 快速資源優(yōu)化網(wǎng)絡(luò)(FRON)算法
2.4.1 網(wǎng)絡(luò)結(jié)構(gòu)
2.4.2 學習算法
2.4.3 算法特點
2.5 算法實現(xiàn)
2.6 仿真及實驗研究
2.6.1 Mackey-Glass非線性混沌序列預測
2.6.2 某電廠單元機組負荷系統(tǒng)建模
2.6.3 礦井主通風機健康狀態(tài)評估
2.6.4 某電廠過熱器噴水模型建模
2.7 本章小結(jié)
參考文獻
神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化方法及應(yīng)用
目錄
第3章 基于粗糙集理論的RBF網(wǎng)絡(luò)剪枝算法
3.1 引言
3.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化方法
3.3 粗糙集的基本理論
3.3.1 粗糙集的基本概念
3.3.2 粗糙集理論的特點
3.3.3 粗糙集理論的應(yīng)用
3.4 基于粗糙集的剪枝算法
3.4.1 算法原理
3.4.2 算法特點
3.5 算法實現(xiàn)
3.6 仿真及實驗研究
3.6.1 二維函數(shù)逼近
3.6.2 兩概念學習
3.6.3 某電廠過熱器噴水模型建模
3.6.4 設(shè)備狀態(tài)識別
3.7 本章小結(jié)
參考文獻
第4章 基于多Agent系統(tǒng)設(shè)計原理的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計算法
4.1 引言
4.2 Agent的基本原理
4.2.1 Agent的定義
4.2.2 Agent研究工作的進展
4.3 基于多Agent系統(tǒng)設(shè)計原理的任務(wù)分配策略
4.3.1 Agent分配的定義
4.3.2 Agent任務(wù)分配的決策
4.4 基于多Agent系統(tǒng)設(shè)計原理的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計算法
4.4.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.4.2 建模Agent系統(tǒng)
4.4.3 決策Agent系統(tǒng)
4.5 基于長短記憶的RBF網(wǎng)絡(luò)算法
4.5.1 網(wǎng)絡(luò)結(jié)構(gòu)
4.5.2 學習算法
4.5.3 算法特點
4.6 MANN系統(tǒng)的工作步驟
4.7 仿真及實驗研究
4.7.1 嘉興發(fā)電廠主汽溫系統(tǒng)建模
4.7.2 嘉興發(fā)電廠協(xié)調(diào)控制系統(tǒng)建模
4.7.3 設(shè)備狀態(tài)預測
4.8 本章小結(jié)
參考文獻
第5章 基于神經(jīng)網(wǎng)絡(luò)模型的預測控制方法
5.1 引言
5.2 預測控制
5.2.1 概述
5.2.2 模型預測控制的基礎(chǔ)理論
5.2.3 基于神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)預測控制
5.3 基于FRON的預測控制方法
5.3.1 預測控制結(jié)構(gòu)
5.3.2 目標值優(yōu)化算法
5.3.3 神經(jīng)網(wǎng)絡(luò)模型
5.3.4 方法的特點
5.4 在鍋爐汽溫預測控制中的仿真研究
5.5 本章小結(jié)
參考文獻
第6章 基于神經(jīng)網(wǎng)絡(luò)的多信息融合故障診斷方法
6.1 引言
6.2 改進加權(quán)證據(jù)理論
6.2.1 D-S證據(jù)理論基礎(chǔ)
6.2.2 D-S證據(jù)理論缺陷
6.2.3 基于先驗知識的改進加權(quán)證據(jù)理論
6.2.4 算例分析
6.3 基于神經(jīng)網(wǎng)絡(luò)及加權(quán)證據(jù)理論的多信息融合故障診斷方法
6.3.1 故障診斷系統(tǒng)結(jié)構(gòu)框架
6.3.2 特征參數(shù)提取
6.3.3 故障診斷
6.4 異步電動機故障診斷實驗研究
6.5 本章小結(jié)
參考文獻
后記