精通MATLAB神经网络（正版 无光盘）

图书标准信息

• 作者 朱凯、王正林 著
• 出版社 电子工业出版社
• 出版时间 2010-01
• 版次 1
• ISBN 9787121099854
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 456页
• 字数 640千字
• 丛书 MATLAB精品丛书

【内容简介】

　　《精通MATLAB神经网络》由MATLAB入门篇、神经网络提高篇和神经网络综合实战篇3篇组成。MATLAB入门篇主要介绍MATLAB软件、基本运算、图形绘制、程序设计和Simulink仿真；神经网络提高篇讲述神经网络的主要内容，包括神经网络工具箱和GUI工具，以及感知器、线性、BP、径向基、自组织、反馈等各种不同的神经网络，讲述各种神经网络的性能分析与直观的图形结果，使读者更加透彻地了解各种神经网络的性能及其优缺点，从而达到理解和应用神经网络的目的。

【目录】

第一篇MATLAB入门篇
第1章MATLAB概述2
1.1MATLAB的产生与发展2
1.2MATLAB的优势与特点2
1.3MATLAB系统的构成4
1.4MATLAB桌面操作环境5
1.4.1MATLAB启动和退出5
1.4.2MATLAB主菜单及功能6
1.4.3MATLAB命令窗口9
1.4.4MATLAB工作空间11
1.4.5M文件编辑/调试器13
1.4.6图形窗口14
1.4.7MATLAB文件管理16
1.4.8MATLAB帮助16
1.5MATLAB的工具箱17
1.6小结18
第2章MATLAB计算基础19
2.1MATLAB数值类型19
2.2关系运算和逻辑运算21
2.3矩阵及其运算22
2.3.1矩阵的创建22
2.3.2矩阵的运算24
2.4复数及其运算25
2.4.1复数表示25
2.4.2复数绘图27
2.4.3复数操作函数28
2.5符号运算28
2.5.1符号运算概述28
2.5.2常用的符号运算30
2.6小结33
第3章MATLAB绘图入门34
3.1MATLAB中绘图的基本步骤34
3.2在工作空间直接绘图35
3.3利用绘图函数绘图36
3.3.1二维图形36
3.3.2三维图形37
3.4图形的修饰41
3.5小结44
第4章MATLAB编程入门45
4.1MATLAB编程概述45
4.2MATLAB程序设计原则46
4.3M文件47
4.4MATLAB程序流程控制49
4.5MATLAB中的函数及调用52
4.5.1函数类型52
4.5.2函数参数传递55
4.6函数句柄60
4.7MATLAB程序调试61
4.7.1常见程序错误61
4.7.2调试方法64
4.7.3调试工具64
4.7.4M文件分析工具67
4.7.5Profiler分析工具69
4.8MATLAB程序设计技巧70
4.8.1嵌套计算70
4.8.2循环计算72
4.8.3使用例外处理机制72
4.8.4使用全局变量74
4.8.5通过varargin传递参数76
4.9小结77
第5章Simulink仿真入门78
5.1Simulink仿真概述78
5.1.1Simulink的启动与退出78
5.1.2Simulink模块库79
5.2Simulink仿真模型及仿真过程84
5.3Simulink模块的处理86
5.3.1Simulink模块参数设置86
5.3.2Simulink模块基本操作88
5.3.3Simulink模块连接90
5.4Simulink仿真设置92
5.4.1仿真器参数设置92
5.4.2工作空间数据导入/导出
5.4.2设置94
5.5Simulink仿真举例95
5.6小结98

第二篇神经网络提高篇
第6章MATLAB神经网络工具箱概述100
6.1神经网络简介100
6.2神经网络模型及训练101
6.2.1生物神经元模型101
6.2.2神经网络模型102
6.2.3神经网络的训练104
6.2.4神经网络的分类105
6.3神经网络的应用106
6.4神经网络工具箱简介108
6.4.1工具箱的功能108
6.4.2工具箱的新特性108
6.4.3MATLAB中的神经网络
6.4.3数据结构110
6.4.4工具箱函数简介112
6.5小结113
第7章MATLAB神经网络GUI工具114
7.1基础GUI工具nntool114
7.1.1网络创建114
7.1.2网络训练119
7.1.3网络仿真121
7.1.4图形界面数据操作122
7.2数据拟合GUI工具nftool127
7.3模式识别GUI工具nprtool131
7.4数据聚类GUI工具nctool136
7.5小结139
第8章感知器神经网络140
8.1感知器神经网络结构140
8.1.1感知器神经元模型140
8.1.2单层感知器神经网络
8.1.2结构141
8.2感知器学习规则142
8.2.1感知器网络学习算法143
8.2.2标准化感知器网络
8.2.2学习算法144
8.3感知器网络的MATLAB实现144
8.3.1感知器网络的生成144
8.3.2感知器网络的仿真146
8.3.3感知器网络的初始化147
8.3.4感知器网络的学习和
8.3.4训练148
8.4感知器网络的局限性152
8.4.1单层感知器网络的
8.4.1局限性152
8.4.2多层感知器神经网络152
8.5感知器神经网络设计实例153
8.5.1输入向量的二类划分153
8.5.2奇异样本输入向量的
8.5.2训练155
8.5.3标准化感知器学习规则
8.5.3实例158
8.5.4线性不可分样本问题159
8.6小结161
第9章线性神经网络162
9.1线性神经网络结构162
9.1.1线性神经元模型162
9.1.2线性神经网络结构163
9.2线性滤波器164
9.3线性神经网络学习规则164
9.3.1均方误差165
9.3.2LMS算法165
9.4线性神经网络的MATLAB
9.4实现166
9.4.1线性神经元生成166
9.4.2线性神经网络生成169
9.4.3线性滤波器生成170
9.4.4线性神经网络训练171
9.5线性网络的局限性175
9.5.1非线性系统175
9.5.2超定系统178
9.5.3不定系统178
9.5.4线性相关向量181
9.5.5学习速率过大183
9.6线性神经网络设计实例185
9.6.1线性预测185
9.6.2自适应滤波噪声抵消187
9.6.3自适应滤波系统辨识189
9.7小结192
第10章BP神经网络193
10.1BP神经网络结构193
10.1.1BP网络神经元模型193
10.1.2BP神经网络结构194
10.2BP网络学习规则195
10.2.1BP算法195
10.2.2批处理学习算法198
10.3BP网络的MATLAB实现199
10.3.1BP网络的创建与仿真199
10.3.2BP网络的训练200
10.4BP网络的局限性215
10.5BP神经网络设计实例216
10.5.1函数逼近216
10.5.2回归分析218
10.5.3特征识别220
10.6小结224
第11章径向基神经网络225
11.1基本径向基神经网络225
11.1.1径向基网络神经元
11.1.1模型225
11.1.2径向基神经网络结构226
11.2概率神经网络227
11.3广义回归神经网络228
11.4径向基网络的MATLAB
11.4实现229
11.4.1径向基神经网络的
11.4.1精确创建230
11.4.2更有效的径向基神经
11.4.2网络创建231
11.4.3概率神经网络的创建231
11.4.4广义回归神经网络的
11.4.4创建232
11.5径向基网络设计实例233
11.5.1径向基网络函数逼近233
11.5.2散布常数的影响之欠
11.5.2交叠情形236
11.5.3散布常数的影响之过
11.5.3交叠情形238
11.5.4广义回归网络函数
11.5.4逼近239
11.5.5概率神经网络模式
11.5.5分类242
11.6小结245
第12章自组织神经网络246
12.1自组织竞争网络246
12.1.1自组织竞争网络结构
12.1.1模型246
12.1.2自组织竞争神经网络
12.1.2的学习算法247
12.2自组织特征映射网络250
12.2.1自组织特征映射网络
12.2.1模型250
12.2.2自组织特征映射网络
12.2.2结构258
12.2.3自组织特征映射网络的
12.2.3学习规则259
12.3学习矢量量化网络259
12.3.1学习矢量量化网络
12.3.1结构260
12.3.2学习矢量量化网络的
12.3.2学习规则260
12.3.3与自组织映射网络的
12.3.3比较262
12.4自组织神经网络的MATLAB
12.4实现263
12.4.1自组织竞争网络的
12.4.1设计263
12.4.2自组织竞争网络的
12.4.2训练264
12.4.3SOFM网络的设计265
12.4.4SOFM网络的训练267
12.4.5LVQ网络的设计267
12.4.6LVQ网络的训练270
12.5自组织神经网络应用实例271
12.5.1自组织竞争网络模式
12.5.1分类271
12.5.2一维自组织特征映射
12.5.2网络273
12.5.3二维自组织特征映射
12.5.3网络275
12.5.4LVQ网络应用实例277
12.6小结279
第13章反馈神经网络280
13.1Hopfield网络280
13.1.1离散Hopfield网络
13.1.1模型281
13.1.2连续Hopfield网络
13.1.2模型283
13.1.3联想记忆285
13.1.4Hopfield网络结构287
13.2Elman反馈神经网络287
13.3反馈神经网络的MATLAB
13.3实现288
13.3.1设计Hopfield网络288
13.3.2Elman网络的创建与
13.3.2仿真290
13.3.3训练Elman网络291
13.4反馈神经网络应用实例292
13.4.1二神经元Hopfield
13.4.1网络设计292
13.4.2Hopfield网络中的伪
13.4.2平衡点295
13.4.3三神经元Hopfield
13.4.3网络设计297
13.4.4利用Elman网络进行
13.4.4振幅检测300
13.5小结303

第三篇神经网络综合实战篇
第14章神经网络优化306
14.1支持向量机306
14.1.1统计学习理论307
14.1.2支持向量机（SVM）
14.1.2理论307
14.1.3支持向量机实例310
14.2Boltzmann机与模拟退火算法314
14.2.1Boltzmann机的网络
14.2.1结构314
14.2.2模拟退火算法315
14.2.3Boltzmann机的工作
14.2.3原理316
14.3基于遗传算法的神经网络
14.3优化317
14.3.1遗传算法介绍318
14.3.2基于遗传算法的神经网络
14.3.2优化算法320
14.3.3遗传算法优化实例321
14.4小结325
第15章神经网络控制326
15.1神经网络控制概述327
15.1.1监督式神经网络控制327
15.1.2直接逆模型神经网络
15.1.2控制328
15.1.3神经网络自适应控制328
15.1.4神经网络内模控制329
15.1.5神经网络预测控制330
15.1.6神经网络自适应判断
15.1.6控制331
15.1.7多层神经网络控制331
15.1.8分级神经网络控制332
15.2神经网络模型预测控制333
15.2.1系统辨识334
15.2.2预测控制335
15.2.3预测控制的Simulink
15.2.3实例335
15.3神经网络反馈线性化控制
15.3（NARMA-L2）341
15.3.1NARMA-L2系统辨识341
15.3.2NARMA-L2控制器342
15.3.3NARMA-L2控制器
15.3.3Simulink实例343
15.4神经网络模型参考控制347
15.5小结352
第16章神经网络故障诊断353
16.1神经网络故障诊断概述353
16.2基于神经网络的滚动轴承
16.2故障诊断354
16.2.1问题背景354
16.2.2问题实例356
16.3基于神经网络的汽车防抱死
16.3系统故障诊断359
16.3.1问题背景359
16.3.2问题实例361
16.4基于神经网络的柴油机
16.4故障诊断364
16.4.1问题背景364
16.4.2问题实例366
16.5基于神经网络的水循环系统
16.5故障诊断371
16.5.1问题背景371
16.5.2问题实例372
16.6小结374
第17章神经网络预测375
17.1神经网络预测概述375
17.2基于神经网络的地震预测378
17.2.1问题背景378
17.2.2问题实例378
17.3基于神经网络的人口预测382
17.3.1问题背景382
17.3.2问题实例382
17.4基于神经网络的电信业务量
17.4预测385
17.4.1问题背景385
17.4.2问题实例385
17.5基于神经网络的股市预测388
17.5.1问题背景388
17.5.2问题实例389
17.6基于神经网络的信用风险
17.6预测391
17.6.1问题背景391
17.6.2问题实例392
17.7小结394
第18章Simulink中的神经网络设计395
18.1Simulink神经网络模块395
18.1.1传递函数模块库396
18.1.2网络输入函数模块库397
18.1.3权值函数模块库397
18.1.4处理函数模块库398
18.1.5控制系统模块库398
18.2神经网络Simulink模型设计
18.2实例399
18.3小结403
第19章自定义神经网络404
19.1自定义网络404
19.1.1定制网络405
19.1.2定义网络406
19.1.3网络行为414
19.2相关工具箱函数417
19.2.1初始化函数417
19.2.2传递函数417
19.2.3学习函数420
19.3自定义函数425
19.3.1网络构建函数425
19.3.2初始化函数431
19.3.3学习函数432
19.3.4自组织映射函数435
19.4小结437
附录A工具箱函数列表438
参考文献444