新書推薦：
《
一群数学家分蛋糕：提升逻辑力的100道谜题
》
售價：HK$
60.5
《
无解的困局：大明最后的60年
》
售價：HK$
66.0
《
女校（人气作家孩子帮·鹅随“北番高中”系列代表作！）
》
售價：HK$
60.5
《
万历十八年之风起辽东
》
售價：HK$
85.8
《
实战ANSYS Icepak电子热设计
》
售價：HK$
97.9
《
水库式经营
》
售價：HK$
61.6
《
哲学家的最后一课
》
售價：HK$
57.8
《
进入全球公共视域的清帝国：欧洲文献里的中国邸报
》
售價：HK$
139.2
|
| 內容簡介： |
|
智能控制作为控制理论发展的第三个阶段，是人工智能、认知科学、模糊数学、生物控制论、学习理论等在控制论的交叉与结合。本书总结了近些年来智能控制的研究成果，详细阐述了智能控制的基本概念、工作原理和设计方法。本书的主要内容包括：智能控制的基本概念、模糊控制的理论基础、模糊控制系统、人工神经元网络模型、神经网络控制论、智能控制的集成技术、深度学习和强化学习。本书在深入系统地介绍智能控制设计理论和应用方法的同时，还给出了一些设计实例和MATLAB算法例程。本书选材新颖、系统性强、通俗易懂，突出理论联系实际，并配有一定数量的习题、思考题和上机实验题，适合初学者学习智能控制的基本理论和方法。本书可作为高等院校自动化、电气工程及其自动化、计算机科学与技术、电子信息工程等专业高年级本科生的教材，也可供相关专业的工程技术人员阅读和参考。本书配有教学课件、习题答案，欢迎选用本书作教材的教师登录www.cmpedu.com注册后下载，或加微信13910750469索取。
|
| 目錄：
|
|
前言第一章绪论第一节智能控制的发展过程一、智能控制问题的提出二、智能控制的发展第二节智能控制的主要方法一、专家系统和专家控制二、模糊控制三、神经元网络控制四、学习控制第三节智能控制系统的构成原理一、智能控制系统的结构二、智能控制系统的特点三、智能控制系统研究的数学工具习题和思考题第二章模糊控制的理论基础第一节模糊控制概述一、模糊控制的发展二、模糊控制的特点三、模糊控制的定义第二节模糊集合论基础一、模糊集合的概念二、模糊集合的运算三、模糊集合运算的基本性质四、隶属度函数的建立五、模糊关系第三节模糊逻辑、模糊逻辑推理和合成一、二值逻辑二、模糊逻辑及其基本运算三、模糊语言逻辑四、模糊逻辑推理五、模糊关系方程的解本章小结习题和思考题第三章模糊控制系统第一节模糊控制系统的组成一、模糊化过程二、知识库三、推理决策逻辑四、精确化计算第二节模糊控制器的设计一、模糊控制器的结构设计二、模糊控制器的基本类型三、模糊控制器的设计原则四、模糊控制器的常规设计方法第三节模糊控制器的设计举例一、流量控制的模糊控制器设计二、倒立摆的模糊控制器设计第四节模糊PID控制器的设计一、模糊控制器和常规PID的混合结构二、常规PID参数的模糊自整定技术本章小结习题和思考题上机实验题第四章人工神经元网络模型第一节神经网络概述一、神经元模型二、神经网络的模型分类三、神经网络的学习算法四、神经网络的泛化能力第二节前向神经网络模型一、单一人工神经元二、单层神经网络结构三、多层神经网络结构四、多层传播网络的BP学习算法五、BP学习算法的MATLAB例程第三节动态神经网络模型一、带时滞的多层感知器网络二、Hopfield神经网络三、回归神经网络本章小结习题和思考题第五章神经网络控制论第一节神经网络与神经网络控制器一、神经网络控制的优越性二、神经网络控制器的分类三*、神经网络的逼近能力第二节非线性动态系统的神经网络辨识一、神经网络的辨识基础二、神经网络辨识模型的结构三*、非线性动态系统神经网络的辨识第三节神经网络控制的学习机制一、监督式学习二、增强式学习第四节神经网络控制器的设计一、神经网络直接逆模型控制法二、直接网络控制法三、多神经网络自学习控制法四、单一神经元控制法本章小结习题和思考题第六章*智能控制的集成技术第一节模糊神经网络控制一、模糊神经网络的结构二、模糊神经网络的学习算法第二节基于神经网络的自适应控制一、自适应控制技术二、神经网络的模型参考自适应控制第三节智能控制的优化算法一、遗传学习算法二、蚁群学习算法三、迭代学习算法本章小结第七章深度学习第一节深度学习概述一、什么是深度学习二、深度学习模型中的优化三、GPU的重要性第二节模型范式一、卷积神经网络二、循环神经网络三、自动编码器四、注意力模型第三节深度学习在智能电网中的应用一、电力设备及系统故障诊断二、光伏功率预测三、电力系统快速潮流计算本章小结第八章强化学习第一节强化学习概述一、强化学习的产生与发展二、强化学习的关键要素第二节强化学习理论基础一、马尔可夫决策过程二、基于价值函数的强化学习方法三、基于策略梯度的强化学习方法第三节深度强化学习一、基于函数逼近器的强化学习二、深度Q学习算法三、深度确定性策略梯度算法第四节深度强化学习在智能电网中的应用一、深度强化学习在理论研究阶段的应用二、深度强化学习在实际优化问题中的应用本章小结参考文献
|
| 內容試閱：
|
|
本书是在普通高等学校机电类“九五”规划教材《智能控制技术》的基础上改编的。《智能控制技术》自1999年出版以来，经过2015年的再版，至今已印刷25次，被100余所高校选为智能控制类课程的教材。《智能控制技术》选材新颖、体系完整、逻辑清晰、深入浅出、通俗易懂，既能适应智能控制初学者的要求，也为智能控制领域的研究者提供坚实和宽广的基础理论知识，出版20余年来，一直得到广大教师和学生的认可和好评，同时许多读者也提出了很多宝贵的意见和建议，为本书的编写提供了丰富的资源，打下坚实的基础。本书继承了《智能控制技术》（第2版）的优点，在其基础上，根据工业和信息化部“十四五”规划教材的要求，补充介绍了智能控制领域最新的研究成果“深度学习”和“强化学习”。深度学习（Deep Learning，DL）模拟人脑多层神经网络，它的发展得益于人工神经网络技术的进步。深度学习是通过多层的网络结构和非线性变换，组合低层特征，形成抽象的、易于区分的高层表示，以发现数据的分布式特征表示。它在图像处理、语音理解、智慧医疗、智能机器人等方面取得了广泛的应用。强化学习（Reinforcement Learning，RL）是通过最大化智能体从环境中获得的累计奖赏值，从而通过学习得到完成目标的最优策略。强化学习作为机器学习领域另一个研究热点，已经广泛应用于工业制造、仿真模拟、机器人控制、优化与调度、游戏博弈等领域。作为智能控制更高层级的控制方法，模拟人脑学习控制思想实现对更高级行为的控制是智能控制未来发展的方向。为此，本书介绍了深度学习和强化学习的相关基础理论与方法，并给出了一些电力系统方面的应用实例，供读者参考。本书共分8章，建议总教学时长为40～52学时。第一章到第六章由浙江大学韦巍教授编著，第七章和第八章由浙江大学夏杨红特聘研究员编著。第一章绪论建议2学时。第二章模糊控制的理论基础建议8学时。第三章模糊控制系统建议6～8学时。第四章人工神经网络模型建议6～8学时。第五章神经网络控制论建议6～8学时。第六章智能控制的集成技术建议4～6学时。第七章深度学习建议4～6学时。第八章强化学习建议4～6学时。标题中带有“*”的章节为选讲内容。本书承蒙湖南大学王耀南院士的精心指导，也得到了上海大学陈伯时教授、浙江大学蒋静坪教授的指导和帮助，在此表示衷心感谢。本书在编写过程中，参阅和引用了国内外许多专家的研究成果，在此深表谢意。由于编著者的学术水平和教学经验有限，书中难免会有不妥之处，恳请广大读者和同行专家批评指正。编著者于浙江大学求是园目录传感器与检测技术
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
