1
本书内容
l神经网络控制及其MATLAB实现
l模糊逻辑控制及其MATLAB实现
l模型预测控制及其MATLAB实现
2
第一篇神经网络控制
及其MATLAB实现
3
第1章神经网络理论
v1.1神经网络的基本概念
v1.2典型神经网络的模型及其MATLAB实现
v1.3神经网络的训练
4
人脑是一部不寻常的智能机，它能以惊人的高速
度解释感觉器官传来的含糊不清的信息。它能觉察到
喧闹房间内的窃窃私语，能够识别出光线暗淡的胡同
中的一张面孔，更能通过不断地学习而产生伟大的创
造力。古今中外，许许多多科学家为了揭开大脑机能
的奥秘，从不同的角度进行着长期的不懈努力和探索，
逐渐形成了一个多学科交叉的前沿技术领域——神经
网络(NeuralNetwork)。
5
人工神经系统的研究可以追溯到1800年Frued的精
神分析学时期，他已经做了一些初步工作。1913年人
工神经系统的第一个实践是由Russell描述的水力装置
。1943年美国心理学家WarrenSMcCulloch与数学家
WalterHPitts合作，用逻辑的数学工具研究客观事件
在形式神经网络中的描述，从此开创了对神经网络的
理论研究。他们在分析、总结神经元基本特性的基础
上，首先提出神经元的数学模型，简称MP模型。
从脑科学研究来看，MP模型不愧为第一个用数理
语言描述脑的信息处理过程的模型。后来MP模型经
过数学家的精心整理和抽象，最终发展成一种有限自
动机理论，再一次展现了MP模型的价值，此模型沿
用至今，直接影响着这一领域研究的进展。
6
1949年心理学家D.O.Hebb提出关于神经网
络学习机理的“突触修正假设”，即突触联系
效率可变的假设，现在多数学习机仍遵循Hebb
学习规则。1957年，FrankRosenblatt首次提出
并设计制作了著名的感知机（Perceptron），第
一次从理论研究转入过程实现阶段，掀起了研
究人工神经网络的高潮。
7
虽然，从六十年代中期，MIT电子研究实验室
的MarvinMinsky和SeymourPapret就开始对感知
机做深入的评判，并与1969年他们出版了
“Perceptron”一书，对FrankRosenblatt的感知机
的抽象版本做了详细的数学分析，认为感知机基
本上是一个不值得研究的领域，曾一度使神经网
络的研究陷入低谷。但是，从1982年美国物理学
家Hopfield提出Hopfield神经网络，以及1986年
D.E.Rumelhart和J.L.McClelland提出一种利用误差
反向传播训练算法的BP(BackPropagation)神经网
络开始，在世界范围内再次掀起了神经网络的研
究热潮。
8
今天，随着科学技术的迅猛发展，神经网络
正以极大的魅力吸引着世界上众多专家、学者
为之奋斗。在世界范围内再次掀起了神经网络
的研究热潮，难怪有关国际权威人士评论指出
，目前对神经网络的研究其重要意义不亚于第
二次世界大战时对原子弹的研究。
9
人工神经网络特有的非线性适应性信息处理能力
，克服了传统人工智能方法对于直觉，如模式、语音
识别、非结构化信息处理方面的缺陷，使之在神经专
家系统、模式识别、智能控制、组合优化、预测等领
域得到成功应用。人工神经网络与其他传统方法相结
合，将推动人工智能和信息处理技术不断发展。近年
来，人工神经网络正向模拟人类认知的道路上更加深
入发展，与模糊系统、遗传算法、进化机制等结合，
形成计算智能，成为人工智能的一个重要方向，将在
实际应用中得到发展。
10
使用神经网络的主要优点是能够自适应样本数据
，当数据中有噪声、形变和非线性时，它也能够正常
地工作，很容易继承现有的领域知识，使用灵活，能
够处理来自多个资源和决策系统的数据；提供简单工
具进行自动特征选取，产生有用的数据表示，可作为
专