新書推薦：
《
历史的深度
》
售價：NT$
302.0
《
中国漆艺技法全书：工艺原理与基础技法
》
售價：NT$
822.0
《
晋朝的死结
》
售價：NT$
458.0
《
文明的冲突：东西方文明的第一次交锋（第2版）
》
售價：NT$
374.0
《
神经形态光子学 Neuromorphic Photonics
》
售價：NT$
879.0
《
困顿与超越 ： 心理学家的逆境人生与智慧指引
》
售價：NT$
307.0
《
Web3时代的AI战略：构建BASICs框架，引领企业数字化转型
》
售價：NT$
411.0
《
一岁一喜欢
》
售價：NT$
223.0
|
| 內容簡介： |
《基于微粒群的神经网络预测控制理 论及应用》从预测控制和微粒群优化算法的基本概念 出发，重点论述了基于微粒群的 神经网络预测控制方法和预测模型，并针对多目标微 粒群优化算法进行了深入探讨。
在此基础上，针对具体的实际问题，给出了多个算例 ，进而说明基于微粒群的神经 网络预测控制算法在非线性系统辨识和预测控制研究 中的应用。
《基于微粒群的神经网络预测控制理论及应用》 可供从事神经网络、智能优化算法和预测控制等方面 的高校师生和科研工 作者参考，同时也可以为从事石油、冶金、化工、航 空、航天以及过程控制等领域 的工程技术人员提供帮助。
|
| 目錄：
|
前言
第1章 绪论
1.1 预测控制的特点
1.2 预测控制的历史发展与现状
1.3 神经网络在预测控制中的应用研究现状
1.4 预测控制的基本原理
1.4.1 预测模型
1.4.2 滚动优化
1.4.3 反馈校正
1.5 预测控制的基本特征
1.6 预测控制的基本模型
1.6.1 阶跃响应与脉冲响应模型
1.6.2 传递函数模型
1.6.3 状态空间模型
1.7 小结
参考文献
第2章 经典预测控制方法
2.1 三种经典预测控制方法发展历程
2.2 基于脉冲响应模型的模型算法控制
2.2.1 模型算法控制预测模型
2.2.2 模型算法控制反馈校正
2.2.3 模型算法控制优化控制
2.2.4 有约束的模型算法控制
2.3 基于阶跃响应模型的动态矩阵控制
2.3.1 动态矩阵控制预测模型
2.3.2 动态矩阵控制滚动在线优化
2.3.3 动态矩阵控制反馈校正
2.3.4 有约束的动态矩阵控制
2.4 基于传递函数模型的广义预测控制
2.4.1 广义预测控制预测模型
2.4.2 广义预测控制滚动在线优化
2.4.3 广义预测控制反馈校正
2.4.4 广义预测控制的基本性质
2.4.5 多变量和有约束的广义预测控制
2.5 小结
参考文献
第3章 预测控制中的建模方法
3.1 常用被控对象建模方法
3.1.1 传统的输入／输出模型
3.1.2 模糊模型
3.1.3 神经网络模型
3.1.4 其他智能模型
3.2 基于神经网络的系统辨识
3.2.1 系统辨识的定义及特点
3.2.2 系统辨识的基本方法
3.2.3 神经网络用于系统辨识的一般结构
3.3 延迟时间参数的辨识
3.4 模型参数优化方法
3.5 小结
参考文献
第4章 微粒群优化算法
4.1 基本微粒群优化算法
4.1.1 算法描述
4.1.2 收敛性分析
4.2 微粒群优化算法的基本改进思想
4.2.1 进化公式的改进
4.2.2 局部寻优与微粒群优化算法结合的混合算法
4.2.3 离散变量的微粒群优化算法
4.3 突变微粒群优化算法
4.3.1 小波函数基本性质分析
4.3.2 小波微粒群优化算法描述
4.3.3 仿真实例
4.4 动态邻域微粒群优化算法
4.4.1 邻域拓扑结构
4.4.2 动态邻域微粒群优化算法描述
4.4.3 仿真实例
4.5 协同大规模微粒群优化算法
4.5.1 基于信赖域方法自适应搜索范围调整
4.5.2 基于线性分配的模糊C均值两阶段聚类算法
4.5.3 带有模糊聚类和信赖域的动态邻域微粒群优化算法描述
4.5.4 仿真实例
4.6 混沌映射微粒群优化算法
4.6.1 混沌映射优化
4.6.2 Logistic映射微粒群优化算法
4.6.3 仿真实例
4.7 高斯微粒群优化算法
4.7.1 高斯微粒群优化算法描述
4.7.2 仿真实例
4.8 小结
参考文献
第5章 基于微粒群优化算法的神经网络预测控制方法
5.1 高斯微粒群优化算法用于动态神经网络设计
5.1.1 带有动态神经元的神经网络结构
5.1.2 基于梯度下降的模型参数学习算法
5.1.3 基于微粒群优化算法的动态神经网络稳定性分析
5.1.4 基于高斯微粒群优化的动态神经网络系统辨识
5.1.5 仿真实例
5.2 协同大规模微粒群优化算法用于Smith预估双控制器设计
5.2.1 Smith预估双控制器设计
5.2.2 控制结构与性能分析
5.2.3 神经网络控制器设计
5.2.4 仿真实例
5.3 协同大规模微粒群优化算法用于神经网络模型预测控制
5.3.1 多变量非线性模型预测控制结构
5.3.2 未知非线性动态系统的模型预测控制
5.3.3 仿真实例
5.4 高斯微粒群优化算法用于神经网络内模预测控制器设计
5.4.1 内模预测控制器结构设计
5.4.2 pH中和过程预测控制模型
5.4.3 仿真实例
5.5 小结
参考文献
第6章 基于微粒群优化算法的预测模型及其实际应用
6.1 基于微粒群优化算法的案例推理方法
6.1.1 案例推理的基本原理
6.1.2 基于微粒群优化算法的自学习距离测度
6.1.3 基于微粒群优化的案例推理模型
6.1.4 仿真实例
6.2 基于微粒群优化算法的独立成分分析方法
6.2.1 独立成分分析方法基本原理
6.2.2 基于微粒群不动点迭代优化的独立成分分析方法
6.2.3 仿真实例
6.3 基于微粒群优化算法的支持向量机方法
6.3.1 支持向量机基本原理
6.3.2 基于微粒群优化算法的终点预报模型
6.3.3 仿真实例
6.4 基于微粒群的鲁棒相关向量机方法
6.4.1 相关向量机基本原理
6.4.2 鲁棒相关向量机基本原理
6.4.3 基于微粒群优化算法的鲁棒相关向量机核参数自适应优化
6.4.4 仿真实例
6.5 小结
参考文献
第7章 多目标微粒群优化算法及其应用
7.1 多目标优化基本原理
7.1.1 多目标优化基本概念
7.1.2 多目标优化算法的分类
7.1.3 多目标优化算法的收敛性分析
7.1.4 多目标优化解集的评价指标
7.2 多目标微粒群优化算法及其改进
7.2.1 多目标微粒群优化算法
7.2.2 动态邻域多目标微粒群优化算法及其改进
7.2.3 基于自适应网格的优化解集维护方法
7.2.4 仿真实例
7.3 改进多目标微粒群优化算法在转炉炼钢合金加入量优化中的应用
7.3.1 转炉合金加入量优化模型的建立
7.3.2 合金加入量和钢包各个元素含量预报模型
7.3.3 基于微粒群优化算法优化的多目标合金加入量模型
7.3.4 仿真实例
7.4 小结
参考文献
附录 重要公式符号对照表
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
