亚历山大·波兹尼亚克。;Edgar N.桑切斯。;于文 鲁棒非线性控制的微分神经网络。识别、状态估计和轨迹跟踪。 （英语） Zbl 1060.93006号 新加坡：世界科学（ISBN 981-02-4624-2）。xxxi，422页。(2001). 出版商描述：本书论述了用于解决鲁棒控制理论中基本问题的连续动态神经网络理论，包括识别、状态空间估计（基于神经观测器）和轨迹跟踪。被识别和控制的对象被假定为先验未知，但属于包含内部未建模动力学和外部扰动的给定类。给出了不同问题的误差稳定性分析和相应的误差界。该方法在各种受控物理系统（机器人、混沌、化学等）中的应用表明了其有效性。内容：理论研究：神经网络结构、非线性系统辨识、微分学习、滑模辨识、代数学习、神经状态估计、神经控制钝化、神经轨迹跟踪。神经控制应用：混沌的神经控制，机器人操作器的神经控制、化学过程的识别、精馏塔的神经控制以及一般结论和未来的工作。附录：一些有用的数学事实、ODE定性理论的要素、局部最优控制和优化 引用于1审查引用于22文件 MSC公司： 93-02 与系统和控制理论相关的研究展览（专著、调查文章） 93立方厘米 控制理论中的非线性系统 93D21号 自适应或鲁棒稳定 93立方厘米 控制理论中的应用模型 93B30型 系统标识 93D09型 强大的稳定性 49N90型 最优控制和微分对策的应用 68T05型 人工智能中的学习和自适应系统 关键词：代数学习;神经轨迹跟踪;神经控制应用 PDF格式BibTeX公司 XML格式引用 \textit{A.S.Poznyak}等人，鲁棒非线性控制的微分神经网络。识别、状态估计和轨迹跟踪。新加坡：世界科学（2001；Zbl 1060.93006）