MATLAB R2016a神经网络设计应用27例 PDF下载

目    录
第1章  RBF神经网络的实际应用	1
1.1  用于曲线拟合的RBF神经网络	1
1.2  径向基网络实现非线性函数回归	10
1.3  CRNN网络应用	13
1.4  PNN网络应用	15
1.5  RBF神经网络的优缺点	19
第2章  SOM网络算法分析与应用	22
2.1  SOM网络的生物学基础	22
2.2  SOM网络的拓扑结构	22
2.3  SOM网络的权值调整	23
2.4  SOM网络的MATLAB实现	26
2.5  SOM网络的应用	33
第3章  线性网络的实际应用	45
3.1  线性化建模	45
3.2  模式分类	50
3.3  消噪处理	51
3.4  系统辨识	54
3.5  系统预测	55
第4章  BP网络算法分析与应用	61
4.1  BP网络模型	61
4.2  BP网络学习算法	62
4.2.1  BP网络学习算法	62
4.2.2  BP网络学习算法的比较	67
4.3  BP神经网络特点	68
4.4  BP网络功能	68
4.5  BP网络实例分析	68
第5章  神经网络在选址与地震预测中的应用	78
5.1  配送中心选址	78
5.2  地震预报	81
5.2.1  问题概述	82
5.2.2  网络设计	83
5.2.3  网络训练与测试	83
5.2.4  网络实现	88
第6章  模糊神经网络的算法分析与实现	91
6.1  模糊神经网络的形式	91
6.2  神经网络和模糊控制结合的优点	92
6.3  神经模糊控制器	92
6.4  神经模糊控制器的学习算法	95
6.5  模糊神经网络MATLAB函数	97
6.5.1  模糊神经系统的建模函数	97
6.5.2  采用网格分割方式生成模糊推理系统函数	102
6.6  MATLAB模糊神经推理系统的图形用户界面	103
第7章  BP网络的典型应用	107
7.1  数据归一化方法	107
7.2  提前终止法	109
7.3  BP网络的局限性	111
7.4  BP网络典型应用	112
7.4.1  用BP网络估计胆固醇含量	112
7.4.2  线性神经网络在信号预测中的应用	115
第8章  线性神经网络算法分析与实现	120
8.1  线性神经网络工具箱函数	120
8.1.1  创建函数	120
8.1.2  学习函数	122
8.1.3  性能函数	124
8.2  线性神经网络模型及结构	125
8.3  线性神经网络的学习算法与训练	126
8.3.1  线性神经网络的学习算法	126
8.3.2  线性神经网络的训练	128
8.4  线性神经网络的滤波器	130
第9章  感知器网络算法分析与实现	133
9.1  单层感知器	133
9.1.1  单层感知器模型	133
9.1.2  单层感知器功能	134
9.1.3  单层感知器结构	136
9.1.4  单层感知器学习算法	137
9.1.5  单层感知器训练	138
9.1.6  单层感知器局限性	139
9.1.7  单层感知器的MATLAB实现	140
9.2  多层感知器	147
9.2.1  多层感知器模型	147
9.2.2  多层感知器设计方法	147
9.2.3  多层感知器的MATLAB实现	148

第10章  神经网络工具箱函数分析与应用	153
10.1  神经网络仿真函数	153
10.2  神经网络训练函数	155
10.2.1  train	156
10.2.2  trainb函数	156
10.3  神经网络学习函数	158
10.4  神经网络初始函数	161
10.5  神经网络输入函数	163
10.6  神经网络的传递函数	165
10.7  神经网络求点积函数	168
第11章  BM网络与BSB网络算法分析与实现	169
11.1  Boltzmann神经网络	169
11.1.1  BM网络的基本结构	169
11.1.2  BM模型的学习	169
11.1.3  BM网络的实现	172
11.2  BSB神经网络	174
第12章  感知器网络工具箱函数及其应用	177
12.1  创建函数	177
12.2  显示函数	180
12.3  性能函数	181
第13章  RBF神经网络算法分析与应用	186
13.1  RBF神经网络模型	186
13.2  RBF网的数学基础	188
13.2.1  内插问题	188
13.2.2  正则化网络	189
13.3  RBF神经网络的学习算法	190
13.3.1  自组织选取中心法	190
13.3.2  梯度训练方法	191
13.3.3  正交最小二乘（OLS）学习算法	192
13.4  其他RBF神经网络	193
13.4.1  广义回归神经网络	193
13.4.2  泛化回归神经网络	194
13.4.3  概率神经网络	195
13.5  RBF神经网络MATLAB函数	196
13.5.1  创建函数	196
13.5.2  权函数	199
13.5.3  输入函数	200
13.5.4  传递函数	201
13.5.5  mse函数	201
13.5.6  变换函数	202
第14章  Simulink神经网络应用	204
14.1  Simulink神经网络仿真模型库	204
14.2  Simulink神经网络应用	208
第15章  ART网络与CP网络算法分析与应用	213
15.1  ART-1型网络	213
15.1.1  ART-1型网络结构	213
15.1.2  ART-1网络学习过程	215
15.1.3  ART-1网络的应用	216
15.2  ART-2型网络	218
15.2.1  网络结构与运行原理	219
15.2.2  网络的数学模型与学习算法	220
15.2.3  ART-2型网络在系统辨识中的应用	222
15.3  CP神经网络概述	223
15.3.1  CP网络学习	224
15.3.2  CP网络应用	225
第16章  Hopfield网络算法分析与实现	231
16.1  Hopfield神经网络	231
16.1.1  离散型Hopfield网络	231
16.1.2  DHNN的动力学稳定性	234
16.1.3  网络权值的学习	236
16.1.4  联想记忆功能	239
16.2  连续型Hopfield网络	240
16.3  Hopfield神经网络的应用	242
16.3.1  Hopfield神经网络函数	242
16.3.2  Hopfield神经网络的应用	245
第17章  LVQ网络算法分析与应用	259
17.1  LVQ神经网络的结构	259
17.2  LVQ神经网络的学习算法	260
17.2.1  LVQ1算法	260
17.2.2  LVQ2算法	260
17.3  LVQ神经网络的特点	261
17.4  LVQ神经网络的MATLAB函数	262
17.5  LVQ神经网络的应用	264
第18章  自组织网络算法分析与实现	269
18.1  竞争学习的概念	270
18.2  竞争学习规则	271
18.3  竞争学习原理	272
18.4  竞争神经网络MATLAB实现	275
18.5  竞争型神经网络存在的问题	279
第19章  Elman网络算法分析与应用	280
19.1  Elman神经网络结构	280
19.2  Elman神经网络权值修正的学习算法	281
19.3  Elman网络稳定性推导	282
19.4  对角递归网络稳定时学习速率的确定	283
19.5  Elman神经网络在数据预测中的应用	284
第20章  BP网络工具箱函数及其应用	288
20.1  创建函数	289
20.2  传递函数	291
20.3  学习函数	293
20.4  训练函数	294
20.5  性能函数	297
20.6  显示函数	298
第21章  神经网络在实际案例中的应用	300
21.1  农作物虫情预测	300
21.1.1  虫情预测原理	300
21.1.2  网络实现	301
21.2  人脸识别	304
21.2.1  模型建立	305
21.2.2  网络实现	306
第22章  神经网络工具箱函数分析与应用	310
22.1  神经网络的构建函数	310
22.2  神经网络的应用函数	324
第23章  线性神经网络算法分析与设计	330
23.1  线性神经网络结构	330
23.2  线性神经网络设计	331
23.3  自适应滤波线性神经网络	333
23.4  线性神经网络的局限性	335
23.5  线性神经网络的MATLAB应用举例	336
第24章  神经网络工具箱函数及实例分析	342
24.1  传递函数及其导函数	342
24.1.1  传递函数	342
24.1.2  传递函数的导函数	349
24.2  距离函数	354
24.3  权值函数及其导函数	356
24.3.1  权值函数	357
24.3.2  权值函数的导函数	358
24.4  结构函数	359
24.5  分析函数	361
24.6  转换函数	362
24.7  绘图函数	368
24.8  数据预处理和后处理函数	375
第25章  神经网络的工程应用	383
25.1  线性神经网络在线性预测中的应用	383
25.2  神经模糊控制在洗衣机中的应用	385
25.2.1  洗衣机的模糊控制	385
25.2.2  洗衣机的神经网络模糊控制器的设计	387
25.3  模糊神经网络在配送中心选址中的应用	391
25.4  Elman神经网络在信号检测中的应用	394
25.5  神经网络在噪声抵消系统中的应用	397
25.5.1  自适应噪声抵消原理	397
25.5.2  噪声抵消系统的MATLAB仿真	399
第26章  神经网络算法分析与工具箱应用	402
26.1  网络对象属性	404
26.1.1  结构属性	404
26.1.2  子对象结构属性	408
26.1.3  函数属性	411
26.1.4  权值和阈值	413
26.1.5  参数属性	415
26.1.6  其他属性	415
26.2  子对象属性	416
26.2.1  输入向量	416
26.2.2  网络层	417
26.2.3  输出向量	422
26.2.4  阈值向量	422
26.2.5  输入权值向量	424
26.2.6  目标向量	427
26.2.7  网络层权值向量	428
第27章  自定义函数及其应用	432
27.1  初始化函数	432
27.2  学习函数	435
27.3  仿真函数	440
27.3.1  传递函数	440
27.3.2  传递函数导数函数	443
27.3.3  网络输入函数	444
27.3.4  网络输入导函数	446
27.3.5  权值函数	448
27.3.6  权值导数函数	450
27.4  自组织函数	452
27.4.1  拓扑函数	452
27.4.2  距离函数	454
参考文献	456