1 Einleitung zur Monographie. - 1. 1 Hintergrund und Motivation: Kontrolle des Einschwingverhaltens. - 1. 2 Aufbau der Monographie. - 2 Iterative Lernsteuerung: Ein Überblick. - 2. 1 Einleitung. - 2. 2 Literaturübersicht. - 2. 3 Problemstellung. - 3 Lineare zeitinvariante Lernsteuerung. - 3. 1 Konvergenz mit null Fehler. - 3. 2 Konvergenz mit Fehler ungleich Null. - 3. 3 Die Art der Lösung. - 4 LTI-Lernsteuerung über Parameterschätzung. - 4. 1 Beschreibung des Systems. - 4. 2 Hauptergebnis. - 4. 3 Kommentare. - 5 Lernsteuerung mit endlichem Horizont. - 5. 1 l?-Optimale Lernsteuerung mit Memory. - 5. 2 Lernkonvergenz in einem Schritt. - 5. 3 Lernsteuerung mit Multirate-Sampling. - 5. 4 Beispiele. - 5. 5 Kommentare und Erweiterungen. - 6 Nichtlineare Lernsteuerung. - 6. 1 Lernsteuerung für nichtlineare Systeme. - 6. 2 Lerncontroller für eine Klasse nichtlinearer Systeme. - 7 Künstliche Neuronale Netze zur iterativen Lernsteuerung. - 7. 1 Controller für neuronale Netzwerke. - 7. 2 Statischer Lerncontroller mit einem KNN. - 7. 3 Dynamischer Lerncontroller mit einem KNN. - 7. 4 Reinforcement Learning Controller mit einem KNN. - 8 Fazit. - 8. 1 Zusammenfassung. - 8. 2 Richtungen für die zukünftige Forschung. - Anhang A: Einige grundlegende Ergebnisse zur Multiraten-Stichprobe. - A. 1 Einleitung. - A. 3 Grundlegendes Ergebnis. - Anhang B: Tutorial zu künstlichen neuronalen Netzen. - B. 1 Eine Einführung in neuronale Netze. - B. 1. 1 Neuronen. - B. 1. 2 Verbindungs-Topologie. - B. 1. 3 Gesetze lernen. - B. 2 Historischer Hintergrund. - B. 3 Eigenschaften neuronaler Netze. - B. 3. 1 Musterklassifikation und assoziatives Gedächtnis. - B. 3. 2 Selbstorganisation und Merkmalsextraktion. - B. 3. 3 Optimierung. - B. 3. 4 Nichtlineare Abbildungen. - B. 4 Neuronale Netze und Computer. - B. 5 Ableitung der Backpropagation. - B. 6 Referenzen zu neuronalen Netzwerken. -Referenzen. Sprache: Englisch