第一章類神經網路簡介1.1何謂「類神經網路」1.2腦生理學1.2-1神經細胞電化學用學說1.2-2Hebbian神經細胞學習規則1.3生物神經元模型1.3-1神經網路計算與數為電腦的比較1.4人工神經元模型1.4-1常用的非線性轉換函數1.5類神經網路基本架構1.6類神經網路的運作過程1.6-1回歸型網路的運作過程1.6-2前授型網路的運作過程1.7類神經網路的特性第二章感知機與倒傳遞類神經網路2.1單層感知機2.1-1單層感知機數學模型2.1-2單層感知機的分類應用2.1-3加入隱藏單元的感知機2.2前授型多層感知機2.3倒傳遞類神經網路2.3-1網路架構2.3-2運作過程2.4倒傳遞網路演算法2.4-1學習演算法2.4-2回想演算法2.4-3演算法的推倒2.5倒傳遞網路程式例2.5-1學習程式2.5-2回想程式2.6倒傳遞網路的應用實例2.6-1實例一：XOR邏輯問題2.6-2實例二：蝴蝶花分類問題2.7倒傳遞神經網路的評價第三章霍普菲爾網路3.1網路架構與運作過程3.1-1由能量觀點來看網路的運作過程3.1-2霍普菲爾網路的類型3.2霍普菲爾網路演算法3.2-1記憶演算法3.2-2聯想演算法3.2-3網路手算例3.3霍普菲爾網路演算法的證明3.4霍普菲爾網路程式例3.4-1記憶程式3.4-2聯想程式3.5霍普菲爾網路應用實例3.5-1記憶聯想人的臉面特徵3.5-2記憶聯想阿拉伯數字3.6霍普菲爾網路容量問題3.7連續型霍普菲爾網路模型3.8霍普菲爾網路的評價第四章類神經網路的應用4.1自走式機械人控制4.1-1運動機構4.1-2感測器4.1-3控制電路4.1-4神經網路架構4.1-5學習過程4.1-6佈景設計與訓練樣本4.2類神經網路控制系統模型4.2-1一般學習架構4.2-2專門學習架構4.2-3一般學習與專門學習混合應用4.3最佳化計算4.3-1旅行推銷員問題的求解過程4.3-2求解旅行推銷員問題的程式例4.3-3應用實例4.3-4霍普菲爾網路在最佳化計算的評價第五章集合理論-傳統與模糊集合5.1傳統集合5.1-1傳統集合的運算5.1-2傳統集合的運算性質5.1-3傳統集合的特徵函數5.2模糊集合5.2-1模糊集合的表示法5.2-2模糊集合運算5.2-3模糊集合運算性質5.3模糊集合歸屬函數的特徵5.4傳統集合的關係5.4-1直積集合5.4-2傳統關係5-4-3傳統關係的運算5.5模糊集合的關係5.5-1模糊關係5.5-2模糊關係的運算5.6映射5.6-1擴展原理第六章模糊邏輯與模糊推論6.1傳統二值邏輯6.1-1複合命題6.1-2以集合關係來表示蘊合邏輯運算6.1-32值邏輯推論6.2模糊邏輯6.2-1複合模糊命題6.3模糊語言6.4模糊推論第七章模糊控制7.1傳統控制與模糊控制的差異7.2模糊控制的設計7.2-1控制器變數的決定與參數空間的模糊分割7.2-2控制變數模糊化條件的決定7.2-3模糊控制的控制規則7.2-4解模糊化7.2-5模糊控制器線上與離線模糊算法7.3模糊演算法範例7.4以軟體程式完成的模糊控制第8章模糊控制的應用8.1X-Y平台定位模糊控制8.1-1說明8.1-2X-Y平台定位模糊控制的實驗設備8.1-3模糊定位控制器的設計8.1-4定位模糊控制器的實現8.1-5結果與討論8.1-6結論8.2一維倒單擺的直立模糊控制8.2-1前言8.2-2一維倒單擺實驗機構8.2-3一維倒單擺模糊控制器考慮因素8.2-4一維倒單擺模糊控制器的設計8.2-5倒單擺定位控制的方法8.2-6實驗結果與討論8.2-7結論8.3　模糊溫度控制器8.3-1　系統8.3-2　單輸入系統模糊溫度控制器8.3-3　模糊溫度控制器動作原理8.3-4　以軟體完成的單輸入模糊溫度控制器8.3-5　雙輸入模糊溫度控制器8.3-6　以軟體完成的雙輸入模糊溫度控制器第九章　基因演算法9.1　前言9.2　產生母代9.3　基因演算法運算子9.3-1　複製9.3-2　交配9.3-3　突變9.4　基因演算法程式實現9.5　基因演算法應用範例9.5-1　應用範例一9.5-2　應用範例二9.6　本章重點參考文獻I.　類神經網路部份II.　模糊控制部份

第一章類神經網路簡介1.1何謂「類神經網路」1.2腦生理學1.2-1神經細胞電化學用學說1.2-2Hebbian神經細胞學習規則1.3生物神經元模型1.3-1神經網路計算與數為電腦的比較1.4人工神經元模型1.4-1常用的非線性轉換函數1.5類神經網路基本架構1.6類神經網路的運作過程1.6-1回歸型網路的運作過程1.6-2前授型網路的運作過程1.7類神經網路的特性第二章感知機與倒傳遞類神經網路2.1單層感知機2.1-1單層感知機數學模型2.1-2單層感知機的分類應用2.1-3加入隱藏單元的感知機2.2前授型多層感知機2.3倒傳遞類神經網路2.3-1網路架構2.3-2運作過程2.4倒傳遞網...