|
課程概述
本課程的體系結構簡練，知識體系統一，內容循序漸進、深入淺出，並附有例題和習題，很方便對內容的理解及對概念的掌握。
本課程共分七章，總共34節課。本課程第一章緒論簡要地介紹了智能控制的發展過程及主要方法、智能控制系統的構成原理，總共3節課內容。本課程第二章是模糊控制的理論基礎，引言部分介紹了模糊控制的發展、模糊控制的特點以及模糊控制的定義三個方面的內容，然後從模糊集合的概念、模糊集合的運算、隸屬度函數的建立、模糊關係、模糊邏輯、模糊邏輯推理和合成六個方面展開討論，其重點內容是模糊集數學理論，主要介紹與模糊控制相關的模糊集理論、隸屬度函數、模糊語言變量和模糊邏輯推理，總共7節課內容。本課程第三章是模糊控制系統，重點介紹模糊控制系統的組成、模糊控制系統的設計，包括模糊控制系統的結構設計和設計方法，詳細給出了兩類模糊控制器的設計舉例，後對模糊PID控制器的設計作了簡單的討論，總共3節課內容。本課程第四章是人工神經元網絡模型，首先簡要介紹了神經元模型和神經網絡模型，重點介紹了神經控制中使用較頻繁的兩類神經網絡模型——前向神經網絡模型和動態神經網絡模型的結構和學習算法，總共3節課內容。本課程第五章是神經網絡控制論，介紹了神經網絡控制器的結構、非線性離散動態系統的神經網絡建模和控制和神經網絡控制的學習機制及神經網絡控制器的設計，總共3節課內容。本課程第六章是深度學習及其應用，主要介紹了深度學習的定義和步驟、為什麼要深度學習、卷積神經網絡、深度神經網絡的訓練技巧、開源框架及Pytorch簡介以及深度學習應用實例，總共5節課內容。本課程第七章是智能控制的集成技術，首先介紹了模糊神經網絡控制的結構、模糊神經網絡控制的學習算法第一階段自組織學習階段和學習算法第二階段有導師指導下的學習階段，然後討論了自適應控制技術、神經網絡的模型參考自適應控制、動態BP學習算法和自校正控制，最後是智能控制的優化算法，分別介紹了遺傳學習算法、蟻群學習算法、迭代學習算法、粒子群學習算法、模擬退火學習算法這五種智能控制的優化算法，總共10節課內容。
本課程的目標包括掌握智能控制的基本概念；瞭解模糊控制、神經網絡控制等基本理論；學會進行智能控制算法和系統的設計方法；掌握模糊控制器的組成、工作原理和設計方法；編寫模糊控制系統仿真或應用程序；掌握神經網絡的基本概念、神經網絡控制器的工作原理和設計方法；編寫神經網絡控制系統仿真或應用程序；掌握深度神經網絡的訓練技巧；編寫深度學習應用實例程序；理解神經網絡的模型參考自適應控制原理；瞭解遺傳學習算法、蟻群學習算法、迭代學習算法、粒子群學習算法、模擬退火學習算法等。.
教學單元
1 第一章 緒論
1.1智能控制的發展過程
1.2智能控制的主要方法
1.3智能控制系統的構成原理
2 第二章 模糊控制的理論基礎
2.1引言
2.2模糊集合論基礎
2.3模糊邏輯、模糊邏輯推理和合成
3 第三章 模糊控制系統
3.1模糊控制系統的組成
3.2模糊控制器的設計
3.3模糊控制器的設計舉例
4 第四章 人工神經元網絡模型
4.1引言
4.2前向神經網絡模型
4.3動態神經網絡模型
5 第五章 神經網絡控制論
5.1引言
5.2非線性動態系統的神經網絡辨識
5.3神經網絡控制的學習機制及神經網絡控制器的設計
6 第六章 深度學習及其應用
6.1深度學習簡介
6.2卷積神經網絡
6.3深度神經網絡訓練技巧
6.4深度學習開源框架及Pytorch簡介
6.5深度學習應用實例
7 第七章 智能控制的集成技術
7.1模糊神經網絡控制
7.2基於神經網絡的自適應控制
7.3智能控制的優化算法
課程列表
名稱 時間長度
第01講1.1 智能控制的發展過程 00:06:26
第02講1.2 智能控制的主要方法 00:07:19
第03講1.3 智能控制系統的構成原理 00:06:31
第04講2.1.1 引言 00:05:30
第05講2.2.1模糊集合論基礎（一）模糊集合的概念 00:12:04
第06講2.2.2 模糊集合論基礎（二）模糊集合的運算 00:08:53
第07講2.2.3模糊集合論基礎（三）隸屬度函數的建立 00:10:02
第08講2.2.4模糊集合論基礎（四）模糊關係 00:11:33
第09講2.3.1 模糊邏輯、模糊邏輯推理和合成（一）模糊邏輯 00:13:08
第10講2.3.2模糊邏輯、模糊邏輯推理和合成（二）模糊邏輯推理 00:14:20
第11講3.1 模糊控制系統的組成 00:11:55
第12講3.2 模糊控制器的設計 00:14:44
第13講3.3 模糊控制器的設計舉例 00:06:48
第14講4.1 引言 00:11:21
第15講4.2 前向神經網絡模型 00:11:57
第16講4.3 動態神經網絡模型 00:11:40
第17講5.1 引言 00:10:04
第18講5.2 非線性動態系統的神經網絡辨識 00:16:01
第19講5.3 神經網絡控制的學習機制及神經網絡控制器的設計 00:08:41
第20講6.1 深度學習簡介 00:11:56
第21講6.2 卷積神經網絡 00:13:30
第22講6.3 深度神經網絡訓練技巧 00:11:28
第23講6.4 深度學習開源框架及Pytorch簡介 00:12:55
第24講6.5 深度學習應用實例 00:11:26
第25講7.1.1 模糊神經網絡控制（一）模糊神經網絡的結構 00:06:25
第26講7.1.2 模糊神經網絡控制（二）模糊神經網絡控制的學習算法第一階段 00:07:00
第27講7.1.3模糊神經網絡控制（三）模糊神經網絡控制的學習算法第二階段 00:10:38
第28講7.2.1 基於神經網絡的自適應控制（一）自適應控制技術、神經網絡的模型參考自適應控制 00:05:57
第29講7.2 .2基於神經網絡的自適應控制（二）動態BP學習算法、自校正控制 00:05:07
第30講7.3.1智能控制的優化算法（一）遺傳學習算法 00:08:05
第31講7.3.2 智能控制的優化算法（二） 蟻群學習算法 00:07:06
第32講7.3.3 智能控制的優化算法（三） 迭代學習算法 00:04:59
第33講7.3.4 智能控制的優化算法（四） 粒子群學習算法 00:10:39
第34講7.3.5 智能控制的優化算法（五） 模擬退火學習算法 00:11:59
|
MS_3270