Fuzzy neural networks for real time control applications : concepts, modeling and algorithms for fast learning

منبع ضروری برای همه کسانی که شبکه‌های عصبی فازی نوع 1 و نوع 2 را در سیستم‌های زمان واقعی طراحی و اجرا می‌کنند

در سیستم‌های منطق فازی نوع 2 در سیستم‌های منطق فازی نوع 2 کاوش کنند و به‌روزرسانی شوند. الگوریتم‌های شبکه‌های عصبی فازی نوع 1 و نوع 2 و تجزیه و تحلیل پایداری آنها با این کتاب!

این کتاب نه تنها در تمرکز خود، بلکه در سبک ارائه مبتنی بر کاربرد نیز از سایرین متمایز است. به گونه ای تهیه شده که برای افراد با تجربه و کم تجربه در این زمینه به راحتی قابل درک باشد. خوانندگان می توانند از کدهای منبع رایانه برای اهداف شناسایی و کنترل که در انتهای کتاب آورده شده است بهره مند شوند.

یک بررسی واضح و عمیق از تمام مبانی ریاضی لازم، نوع، انجام شده است. ساختارهای شبکه عصبی فازی -1 و نوع-2 و الگوریتم های یادگیری آنها و همچنین تحلیل پایداری آنها.

می‌بینید که هر فصل به الگوریتم یادگیری متفاوتی برای تنظیم شبکه‌های عصبی فازی نوع 1 و نوع 2 اختصاص دارد. برخی از آنها عبارتند از:

• نزول گرادیان

• لونبرگ-مارکوارت

• فیلتر کالمن توسعه یافته

علاوه بر موارد متعارف فوق الذکر روش‌های یادگیری در بالا، تعداد الگوریتم‌های یادگیری مبتنی بر تئوری کنترل حالت لغزشی جدید، که ساده‌تر هستند و شکل‌های بسته دارند و تحلیل پایداری آن‌ها پیشنهاد شده است. علاوه بر این، روش‌های ترکیبی شامل بهینه‌سازی ازدحام ذرات و الگوریتم‌های مبتنی بر تئوری کنترل حالت لغزشی نیز معرفی شده‌اند.

انتظار می‌رود خوانندگان بالقوه این کتاب دانشجویان کارشناسی و کارشناسی ارشد، مهندسین، ریاضی‌دانان و کامپیوتر باشند. دانشمندان این کتاب نه تنها می تواند به عنوان یک منبع مرجع برای دانشمندی که به شبکه های عصبی فازی و پیاده سازی بلادرنگ آنها علاقه دارد، بلکه به عنوان کتاب درسی شبکه های عصبی فازی یا هوش مصنوعی در مطالعات دانشگاهی کارشناسی ارشد یا دکتری نیز مورد استفاده قرار گیرد. ما امیدواریم که این کتاب هدف اصلی خود را با موفقیت انجام دهد.

• الگوریتم های به روز رسانی پارامتر برای شبکه های عصبی فازی نوع 1 و نوع 2 و تجزیه و تحلیل پایداری آنها
• حاوی الگوریتم هایی است که برای سیستم های بلادرنگ قابل استفاده هستند
• قوانین انطباق سریع و ساده را برای شبکه های عصبی فازی نوع 1 و نوع 2 معرفی می کند
• تعداد مطالعات موردی در شناسایی و کنترل
• کدهای MATLAB^® را برای برخی از الگوریتم‌های کتاب ارائه می‌کند

AN INDISPENSABLE RESOURCE FOR ALL THOSE WHO DESIGN AND IMPLEMENT TYPE-1 AND TYPE-2 FUZZY NEURAL NETWORKS IN REAL TIME SYSTEMS

Delve into the type-2 fuzzy logic systems and become engrossed in the parameter update algorithms for type-1 and type-2 fuzzy neural networks and their stability analysis with this book!

Not only does this book stand apart from others in its focus but also in its application-based presentation style. Prepared in a way that can be easily understood by those who are experienced and inexperienced in this field. Readers can benefit from the computer source codes for both identification and control purposes which are given at the end of the book.

A clear and an in-depth examination has been made of all the necessary mathematical foundations, type-1 and type-2 fuzzy neural network structures and their learning algorithms as well as their stability analysis.

You will find that each chapter is devoted to a different learning algorithm for the tuning of type-1 and type-2 fuzzy neural networks; some of which are:

• Gradient descent

• Levenberg-Marquardt

• Extended Kalman filter

In addition to the aforementioned conventional learning methods above, number of novel sliding mode control theory-based learning algorithms, which are simpler and have closed forms, and their stability analysis have been proposed. Furthermore, hybrid methods consisting of particle swarm optimization and sliding mode control theory-based algorithms have also been introduced.

The potential readers of this book are expected to be the undergraduate and graduate students, engineers, mathematicians and computer scientists. Not only can this book be used as a reference source for a scientist who is interested in fuzzy neural networks and their real-time implementations but also as a course book of fuzzy neural networks or artificial intelligence in master or doctorate university studies. We hope that this book will serve its main purpose successfully.

• Parameter update algorithms for type-1 and type-2 fuzzy neural networks and their stability analysis
• Contains algorithms that are applicable to real time systems
• Introduces fast and simple adaptation rules for type-1 and type-2 fuzzy neural networks
• Number of case studies both in identification and control
• Provides MATLAB^® codes for some algorithms in the book