目錄
前言
第1部分基礎(chǔ)篇
第1章緒論
1.1人工智能控制技術(shù)概述
1.1.1人工智能的定義及智能控制
1.1.2人工智能控制技術(shù)的發(fā)展歷史
1.1.3人工智能控制發(fā)展面臨的難題
1.1.4人工智能控制的主要內(nèi)容
1.2學(xué)習(xí)算法概述
1.2.1無監(jiān)督學(xué)習(xí)
1.2.2監(jiān)督學(xué)習(xí)
1.2.3強(qiáng)化學(xué)習(xí)
1.3自動(dòng)控制基礎(chǔ)
1.3.1控制系統(tǒng)的發(fā)展歷史
1.3.2控制系統(tǒng)模型
1.3.3控制方法概述
1.3.4控制系統(tǒng)的穩(wěn)定性
1.4學(xué)習(xí)與控制術(shù)語說明
習(xí)題
參考文獻(xiàn)
第2章神經(jīng)網(wǎng)絡(luò)控制
2.1神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
2.1.1神經(jīng)網(wǎng)絡(luò)發(fā)展歷史
2.1.2神經(jīng)網(wǎng)絡(luò)原理
2.1.3神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
2.2典型神經(jīng)網(wǎng)絡(luò)
2.2.1單神經(jīng)元網(wǎng)絡(luò)
2.2.2BP神經(jīng)網(wǎng)絡(luò)
2.2.3RBF神經(jīng)網(wǎng)絡(luò)
2.2.4Hopfield神經(jīng)網(wǎng)絡(luò)
2.2.5卷積神經(jīng)網(wǎng)絡(luò)
2.3神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制
2.3.1系統(tǒng)描述
2.3.2自適應(yīng)控制器設(shè)計(jì)
2.3.3穩(wěn)定性證明
2.3.4仿真實(shí)例
習(xí)題
參考文獻(xiàn)
第3章強(qiáng)化學(xué)習(xí)
3.1強(qiáng)化學(xué)習(xí)概述
3.1.1強(qiáng)化學(xué)習(xí)的歷史背景
3.1.2強(qiáng)化學(xué)習(xí)的分類
3.1.3強(qiáng)化學(xué)習(xí)的重點(diǎn)概念
3.2馬爾可夫決策過程
3.2.1馬爾可夫鏈與馬爾可夫決策過程
3.2.2貝爾曼方程
3.2.3最優(yōu)控制與最優(yōu)策略
3.3動(dòng)態(tài)規(guī)劃
3.3.1動(dòng)態(tài)規(guī)劃簡(jiǎn)介
3.3.2最優(yōu)控制中的動(dòng)態(tài)規(guī)劃
3.3.3強(qiáng)化學(xué)習(xí)中的動(dòng)態(tài)規(guī)劃
3.4基本強(qiáng)化學(xué)習(xí)
3.4.1策略迭代算法
3.4.2值迭代算法
3.4.3蒙特卡洛法
3.4.4時(shí)序差分法
3.4.5其他類型強(qiáng)化學(xué)習(xí)
習(xí)題
參考文獻(xiàn)
第4章深度強(qiáng)化學(xué)習(xí)
4.1深度強(qiáng)化學(xué)習(xí)概述
4.1.1深度強(qiáng)化學(xué)習(xí)發(fā)展歷程
4.1.2深度強(qiáng)化學(xué)習(xí)基本學(xué)習(xí)思想
4.2深度卷積神經(jīng)網(wǎng)絡(luò)
4.2.1基本網(wǎng)絡(luò)類型
4.2.2改進(jìn)網(wǎng)絡(luò)類型
4.3深度循環(huán)神經(jīng)網(wǎng)絡(luò)
4.3.1網(wǎng)絡(luò)結(jié)構(gòu)與計(jì)算
4.3.2深度循環(huán)神經(jīng)網(wǎng)絡(luò)變體和改進(jìn)
4.4深度價(jià)值和策略學(xué)習(xí)
4.4.1深度Q網(wǎng)絡(luò)
4.4.2基于策略梯度算法
習(xí)題
參考文獻(xiàn)
第5章模糊控制
5.1模糊控制數(shù)學(xué)原理
5.1.1模糊集合
5.1.2隸屬函數(shù)的種類
5.1.3模糊集合的運(yùn)算
5.1.4模糊關(guān)系與推理
5.2模糊控制原理及設(shè)計(jì)
5.2.1基本原理和組成
5.2.2模糊控制器的結(jié)構(gòu)和分類
5.2.3模糊控制的工作原理和設(shè)計(jì)步驟
5.3自適應(yīng)模糊控制
5.3.1模糊逼近和萬能逼近定理
5.3.2系統(tǒng)描述
5.3.3模糊控制器設(shè)計(jì)
5.3.4仿真實(shí)例
習(xí)題
參考文獻(xiàn)
第6章進(jìn)化算法
6.1進(jìn)化算法概述
6.2遺傳算法
6.2.1遺傳算法的發(fā)展歷史
6.2.2遺傳算法的基本原理
6.3粒子群算法
6.3.1粒子群算法的發(fā)展歷史
6.3.2粒子群算法的原理
6.4蟻群算法
6.4.1蟻群算法的發(fā)展歷史
6.4.2蟻群算法的原理
習(xí)題
參考文獻(xiàn)
第2部分實(shí)用篇
第7章機(jī)械臂控制實(shí)例
7.1機(jī)械臂神經(jīng)網(wǎng)絡(luò)控制
7.1.1問題的提出
7.1.2神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
7.1.3控制器設(shè)計(jì)
7.1.4穩(wěn)定性證明
7.1.5仿真實(shí)例
7.2機(jī)械臂自適應(yīng)模糊控制
7.2.1系統(tǒng)描述
7.2.2模糊控制器設(shè)計(jì)
7.2.3仿真實(shí)例
習(xí)題
參考文獻(xiàn)
第8章無人機(jī)三維最優(yōu)路徑規(guī)劃實(shí)例
8.1無人機(jī)路徑規(guī)劃簡(jiǎn)介
8.2無人機(jī)路徑規(guī)劃Q-Learning算法原理
8.3無人機(jī)三維路徑規(guī)劃實(shí)現(xiàn)過程
8.3.1基于Q-Learning的三維模型創(chuàng)建
8.3.2訓(xùn)練過程
8.3.3路徑規(guī)劃實(shí)現(xiàn)結(jié)果
8.4仿真程序
習(xí)題
參考文獻(xiàn)
第9章五子棋自動(dòng)對(duì)弈實(shí)例
9.1五子棋自動(dòng)對(duì)弈實(shí)現(xiàn)原理
9.2蒙特卡洛樹搜索
9.2.1選擇
9.2.2拓展與評(píng)估
9.2.3反向傳播
9.2.4演繹
9.3五子棋自對(duì)弈訓(xùn)練
9.4仿真程序
習(xí)題
參考文獻(xiàn)
第10章圖像優(yōu)化處理實(shí)例
10.1數(shù)字圖像處理技術(shù)簡(jiǎn)介
10.1.1基本概念
10.1.2研究?jī)?nèi)容
10.1.3應(yīng)用領(lǐng)域
10.2圖像分割
10.2.1技術(shù)介紹
10.2.2圖像分割的定義
10.2.3基于閾值的分割方法
10.2.4其他分割方法
10.3基于進(jìn)化算法的圖像分割方法實(shí)例
10.3.1基于遺傳算法的圖像分割
10.3.2基于粒子群算法的圖像分割
習(xí)題
參考文獻(xiàn)