应用MATLAB实现神经网络 PDF 超清版

《应用MATLAB实现神经网络》共分为9章。主要 内容包括人工神经网络概述和MATLAB基本用法介绍、 MATLAB神经网络工具箱的基本用法和应用实例；介绍 神经网络工具箱函数的功能和实用方法，包括感知器 、线性神经网络、BP网络、径向基网络、自组织竞争 型神经网络、自组织特征映射神经网络、Elman神经 网络、Hopfield网络、联想记忆网络的应用、图形用 户接口。自定义神经网络、神经网络在工程中的应用 等内容。本书可作为高等院校计算机、电子工程、控制工 程、通信、数学、力学、机械和航空航天等专业学生 的参考教材，对从事上述领域工作的广大科技人员具 有重要的参考价值，对学习神经网络及其仿真技术的 读者来说，也是一本有价值的入门指导书。

目录

• 第1章 神经网络概述及MATLAB介绍
• 1.1 人工神经网络基本知识
• 1.2 神经网络的发展历程
• 1.3 神经网络研究及其应用
• 1.4 神经细胞与人工神经元
• 1.4.1 生物神经元的特点
• 1.4.2 人工神经元模型
• 1.5 神经网络的分类
• 1.6 神经网络的学习训练
• 1.7 MATIAB入门学习
• 1.7.1 MATLAB的发展史
• 1.7.2 MATLAB的功能
• 1.7.3 MATLAB的语言特点
• 1.8 MATIAB用户界面
• 1.8.1 MATLAB的启动和退出
• 1.8.2 MATIAB工作环境
• 1.9 MATLAB的数值与变量
• 1.9.1 MATLAB的数值
• 1.9.2 MATLAB的变量
• 第2章 感知器神经网络
• 2.1 单层感知器
• 2.1.1 单层感知器模型
• 2.1.2 单层感知器功能
• 2.1.3 单层感知器神经网络结构
• 2.2 多层感知器
• 2.2.1 多层感知器模型
• 2.2.2 多层感知器设计
• 2.3 感知器的学习算法
• 2.4 感知器神经网络的训练函数
• 2.4.1 感知器创建函数
• 2.4.2 感知器初始化函数
• 2.4.3 感知器显示函数
• 2.4.4 感知器仿真函数
• 2.4.5 感知器性能函数
• 2.4.6 感知器的训练函数
• 2.4.7 感知器的学习函数
• 2.4.8 感知器的传递函数
• 2.5 感知器的局限性
• 2.6 感知器神经网络的应用实例分析
• 2.6.1 判断气体污染物的分类
• 2.6.2 奇异样本对感知器神经网络训练的影响
• 第3章 线性神经网络
• 3.1 线性神经网络模型及结构
• 3.1.1 神经元模型
• 3.1.2 线性神经网络的结构
• 3.2 线性神经网络的学习算法
• 3.3 线性神经网络的构建
• 3.3.1 生成线性神经元
• 3.3.2 线性滤波器
• 3.4 线性神经网络的训练
• 3.5 线性神经网络的训练函数
• 3.5.1 线性网络的创建函数
• 3.5.2 线性网络的学习函数
• 3.5.3 线性网络的传输函数
• 3.5.4 线性网络的权积函数
• 3.5.5 线性网络的初始化函数
• 3.6 线性神经网络的局限性
• 3.6.1 线性相关向量
• 3.6.2 学习速率过大
• 3.7 线性神经网络应用实例分析
• 3.7.1 线性网络在噪声对消中的应用
• 3.7.2 线性网络在信号预测中的应用
• 3.7.3 线性网络实现异或的应用
• 第4章 BP神经网络
• 4.1 BP神经网络模型及结构
• 4.1.1 神经元模型
• 4.1.2 前馈型神经网络结构
• 4.2 BP神经网络的算法与BP网络推导
• 4.2.1 BP神经网络算法
• 4.2.2 BP神经网络的推导
• 4.3 BP神经网络的训练函数
• 4.3.1 BP网络创建函数
• 4.3.2 BP网络神经元上的传递函数
• 4.3.3 BP网络学习函数
• 4.3.4 BP网络训练函数
• 4.3.5 BP网络性能函数
• 4.3.6 BP网络显示函数
• 4.4 BP神经网络的局限性
• 4.5 BP神经网络算法的改进
• 4.6 BP神经网络的应用实例分析
• 4.6.1 利用BP网络去除有关噪声的问题
• 4.6.2 基于BP网络的性别识别
• 第5章 反馈型神经网络
• 5.1 反馈神经网络的概述
• 5.2 离散Hopfield神经网络
• 5.2.1 离散型Hopfield神经网络模型
• 5.2.2 离散Hopfield神经网络的稳定性
• 5.2.3 离散Hopfield神经网络权值的学习
• 5.2.4 离散：Hopfield神经网络的联想记忆
• 5.3 连续Hopfielcl神经网络
• 5.3.1 连续Hopfield神经网络模型结构
• 5.3.2 连续Hopfield神经网络稳定性
• 5.3.3 连续Hopfield神经网络的特点
• 5.4 Hopfield神经网络的训练函数
• 5.4.1 Hopfield网络的创建函数
• 5.4.2 Hopfield网络的传递函数
• 5.4.3 Hopfield网络的辅助函数
• 5.5 Hopfielcl神经网络应用实例分析
• 5.5.1 二神经元Hopfield网络设计问题
• 5.5.2 Hopfield网络的伪平衡点问题
• 5.5.3 三神经元的：Hopfield网络问题
• 5.6 Elman神经网络
• 5.6.1 Elman神经网络结构
• 5.6.2 Elman神经网络权值修正的学习算法
• 5.6.3 Elman神经网络权稳定性
• 5.6.4 对角递归网络稳定时学习速率的确定
• 5.7 Elman神经网络的训练函数
• 5.8 Elman神经网络应用实例分析
• 第6章 径向基函数神经网络
• 6.1 径向基函数神经网络基本原理
• 6.1.1 径向基函数的结构模型
• 6.2 径向基函数神经网络的学习算法
• 6.2.1 随机选取固定中心法
• 6.2.2 自组织选取中心
• 6.2.3 正交最小二乘法
• 6.3 径向基函数神经网络的训练函数
• 6.3.1 径向基函数网络创建函数
• 6.3.2 径向基函数网络传递函数
• 6.3.3 径向基函数网络转换函数
• 6.3.4 径向基函数网络权函数
• 6.3.5 径向基函数网络输入函数
• 6.4 其他径向基函数神经网络
• 6.4.1 广义回归神经网络
• 6.4.2 概率神经网络
• 6.5 径向基函数神经网络的优缺点
• 6.6 径向基函数神经网络的应用实例分析
• 6.6.1 径向基函数网络用于曲线拟合的问题
• 6.6.2 径向基函数网络用于非线性函数回归的问题
• 第7章 自组织竞争型神经网络
• 7.1 自组织竞争型神经网络的模型及结构
• 7.2 自组织竞争型神经网络的原理
• 7.2.1 自组织竞争网络的学习策略
• 7.2.2 自组织竞争网络的学习原理
• 7.3 几种常用的联想学习规则
• 7.4 自组织竞争型神经网络存在的问题
• 7.5 SOM神经网络
• 7.5.1 SOM神经网络的拓扑结构
• 7.5.2 SOM神经网络的学习算法
• 7.5.3 SOM神经网络的训练过程
• 7.6 LVQ神经网络
• 7.6.1 LVQ神经网络结构
• 7.6.2 LVQ神经网络的学习算法
• 7.7 自组织竞争神经网络的训练函数
• 7.7.1 自组织竞争神经网络创建函数
• 7.7.2 自组织竞争神经网络学习函数
• 7.7.3 自组织竞争神经网络传递函数
• 7.7.4 自组织竞争神经网络初始化函数
• 7.7.5 自组织竞争神经网络结构函数
• 7.7.6 自组织竞争神经网络距离函数
• 7.7.7 自组织竞争神经网络显示函数
• 7.8 自组织竞争神经网络应用实例分析
• 7.8.1 基于LVQ神经网络的人脸朝向识别问题
• 7.8.2 基于SOM神经网络的故障诊断分析
• 第8章 MATLAB编程实现神经网络的应用
• 8.1 基于HBF网络的自适应状态观测器设计
• 8.1.1 HBF网络
• 8.1.2 观测器设计
• 8.1.3 仿真验证
• 8.2 基于RBF网络的船用柴油机故障诊断
• 8.2.1 故障样本集的收集与设计
• 8.2.2 网络输出向量设计
• 8.3 带有偏差单元的递归神经网络
• 8.3.1 BP网络及算法的不足
• 8.3.2 带有偏差单元的递归神经网络
• 8.3.3 带有偏差单元的递归神经网络的误差反向传播学习规则的数学推导
• 8.3.4 带有偏差单元的递归神经网络诊断模型的建立
• 8.4 基于FCM优化的RBF网络自适应状态观测器设计
• 8.4.1 FCM优化的RBF网络
• 8.4.2 自适应状态观测器设计
• 8.4.3 仿真验证。
• 8.5 基于泛函模糊神经网络的GPS／INS组合导航系统的软故障诊断
• 8.5.1 状态X2检验原理
• 8.5.2 泛函模糊神经网络的结构
• 8.5.3 仿真验证
• 第9章 神经网络工具箱的使用
• 9.1 自定义神经网络
• 9.1.1 自定义一个简单的网络
• 9.1.2 自定义一个复杂的网络
• 9.1.3 自定义网络的训练
• 9.2 自定义神经网络工具箱函数
• 9.3 自定义神经网络实用的工具箱函数
• 参考文献