第1章　導論1.1　基本概念 1-11.2　研究範圍 1-21.3　基本組成 1-31.4　精確的定義 1-41.5　系統架構 1-61.6　模糊邏輯系統與類神經網路的比較 1-91.7　適應控制與類神經網路控制的比較 1-10第2章　數學基礎2.1　向量(Vectors) 2-12.2　矩陣(Matrices) 2-42.3　線性轉換(LinearTransformations) 2-102.4　向量空間(VectorSpaces) 2-112.5　特徵值與特徵向量(EigenvaluesandEigenvectors) 2-14第3章　最佳化基本概念3.1　基本定義 3-13.2　性能面和最佳值 3-5第4章　梯度演算法4.1　基本梯度演算法 4-24.2　判斷步距大小-線搜尋法 4-154.3　修正率的影響 4-194.4　穩定修正率 4-204.5　解與討論 4-214.6　應用 4-28第一部　神經網路控制第5章　類神經網路簡介5.1　前言 5-15.2　類神經網路的特性 5-25.3　神經元模型 5-45.4　類神經網路的典型功能 5-115.5　類神經網路架構及運用模式 5-135.6　類神經網路控制 5-185.7　應用實例 5-225.8　小結 5-24第6章　單層感知器6.1　感知器設計 6-26.2　基本的兩類型識別 6-46.3　單層離散感知器網路 6-86.4　單層連續感知器 6-13第7章　多層前饋式網路7.1　多層網路的必要性 7-17.2　單層感知器(單層前饋式網路) 7-57.3　多層感知器(多層前饋式網路) 7-97.4　小結 7-127.5　網路訓練的注意事項 7-15第8章　單層回授網路8.1　離散時間Hopfield網路 8-18.2　連續時間[梯度型]Hopfield網路 8-108.3　迴歸型類神經網路 8-278.4　Brain-State-in-a-Box模型(BSBModel) 8-35第9章　動態系統識別9.1　輸出/輸入系統模式識別 9-19.2　狀態空間模式識別 9-119.3　傳統與神經網路系統識別的比較 9-15第10章　系統識別與控制整合10.1　系統識別 10-110.2　基本控制架構 10-410.3　應用-類神經網路非直接適應控制 10-1010.4　應用-求解Lyapunov矩陣方程式及控制 10-1910.5　應用-機器人運動控制 10-27第二部　模糊邏輯控制第11章　模糊邏輯控制簡介11.1　概論 11-111.2　模糊邏輯的特色 11-511.3　模糊邏輯運作機制與應用實例 11-611.4　模糊理論主要研究領域 11-16第12章　模糊邏輯控制基本概念第13章　模糊數學13.1　基本定義 13-113.2　模糊化 13-1013.3　模糊集合的運算 13-1113.4　模糊關係方程式 13-4113.5　模糊蘊含 13-4713.6　模糊推論 13-5213.7　解模糊化 13-71第14章　模糊邏輯控制14.1　基本模糊邏輯控制器 14-214.2　模糊邏輯控制器的設計 14-414.3　動態系統PID控制的設計範例 14-1114.4　模糊增益排程PID控制 14-24第15章　模糊非線性控制15.1　擬PID控制的模糊邏輯控制器 15-415.2　滑動模糊邏輯控制器 15-1015.3　Sugeno模糊邏輯控制 15-20第三部　基因演算控制第16章　基因演算法則簡介16.1　生物的基因演化-進化論 16-216.2　基本概念 16-3第17章　二進制基因演算17.1　演化過程 17-217.2　設定要領 17-917.3　高階基因演算機制 17-1417.4　設計適應函數 17-1717.5　基因演算法範例 17-22第18章　實數型基因演算法則第19章　進化演算19.1　進化過程 19-219.2　進化策略 19-519.3　進化演算法的主要特性 19-819.4　基因演算法與進化演算法的比較 19-9第20章　進階基因演算法20.1　混基因與梯度演算法 20-120.2　雙族群基因演算法 20-320.3　多目標最佳化演算法 20-6第21章　DNA演算法21.1　DNA編碼概論 21-321.2　DNA演算法 21-1021.3　應用 21-15第22章　綜合應用22.1　類神經網路學習 22-122.2　最佳路徑規劃 22-522.3　控制的應用 22-822.4　以基因模糊邏輯模式設計導引控制系統 22-10參考文獻 「智慧型控制」成為當下日常生活切身話題