《精通MATLAB神经网络》高清文字版

精通MATLAB神经网络

作者:  朱凯
王正林

图书分类: 软件

资源格式: PDF

版本: 高清文字版

出版社: 电子工业出版社

书号: 9787121099854

发行时间: 2010年1月1日

地区:  大陆

语言:  简体中文

简介: 

本书是高清文字版.非扫描.拒绝模糊.享受清晰！

电子书www.books51.com地址！

目录: 

第一篇 MATLAB入门篇11
第1章 MATLAB概述11
1.1 MATLAB的产生与发展11
1.2 MATLAB的优势与特点11
1.3 MATLAB系统的构成13
1.4 MATLAB桌面操作环境14
1.4.1 MATLAB启动和退出14
1.4.2 MATLAB主菜单及功能15
1.4.3 MATLAB命令窗口18
1.4.4 MATLAB工作空间20
1.4.5 M文件编辑/调试器22
1.4.6 图形窗口23
1.4.7 MATLAB文件管理25
1.4.8 MATLAB帮助25
1.5 MATLAB的工具箱26
1.6 小结27
第2章 MATLAB计算基础28
2.1 MATLAB数值类型28
2.2 关系运算和逻辑运算30
2.3 矩阵及其运算31
2.3.1 矩阵的创建31
2.3.2 矩阵的运算33
2.4 复数及其运算34
2.4.1 复数表示34
2.4.2 复数绘图36
2.4.3 复数操作函数37
2.5 符号运算37
2.5.1 符号运算概述37
2.5.2 常用的符号运算39
2.6 小结42
第3章 MATLAB绘图入门43
3.1 MATLAB中绘图的基本步骤43
3.2 在工作空间直接绘图44
3.3 利用绘图函数绘图45
3.3.1 绘制二维图形45
3.3.2 绘制三维图形46
3.4 图形的修饰50
3.5 小结53
第4章 MATLAB编程入门54
4.1 MATLAB编程概述54
4.2 MATLAB程序设计原则55
4.3 M文件56
4.4 MATLAB程序流程控制58
4.5 MATLAB中的函数及调用61
4.5.1 函数类型61
4.5.2 函数参数传递64
4.6 函数句柄69
4.7 MATLAB程序调试70
4.7.1 常见程序错误70
4.7.2 调试方法73
4.7.3 调试工具73
4.7.4 M文件分析工具76
4.7.5 Profiler分析工具78
4.8 MATLAB程序设计技巧79
4.8.1 嵌套计算79
4.8.2 循环计算81
4.8.3 使用例外处理机制81
4.8.4 使用全局变量83
4.8.5 通过varargin传递参数85
4.9 小结86
第5章 Simulink仿真入门87
5.1 Simulink仿真概述87
5.1.1 Simulink的启动与退出87
5.1.2 Simulink模块库88
5.2 Simulink仿真模型及仿真过程93
5.3 Simulink模块的处理95
5.3.1 Simulink模块参数设置95
5.3.2 Simulink模块基本操作97
5.3.3 Simulink模块连接99
5.4 Simulink仿真设置101
5.4.1 仿真器参数设置101
5.4.2 工作空间数据导入/导出设置103
5.5 Simulink仿真举例105
5.6 小结108
第二篇 神经网络提高篇109
第6章 MATLAB神经网络工具箱概述109
6.1 神经网络简介109
6.2 神经网络模型及训练110
6.2.1 生物神经元模型110
6.2.2 神经网络模型111
6.2.3 神经网络的训练113
6.2.4 神经网络的分类114
6.3 神经网络的应用115
6.4 神经网络工具箱简介117
6.4.1 工具箱的功能117
6.4.2 工具箱的新特性117
6.4.3 MATLAB中的神经网络数据结构119
6.4.4 工具箱函数简介121
6.5 小结122
第7章 MATLAB神经网络GUI工具123
7.1 基础GUI工具nntool123
7.1.1 网络创建123
7.1.2 网络训练128
7.1.3 网络仿真130
7.1.4 图形界面数据操作131
7.2 数据拟合GUI工具nftool136
7.3 模式识别GUI工具nprtool140
7.4 数据聚类GUI工具nctool145
7.5 小结148
第8章 感知器神经网络149
8.1 感知器神经网络结构149
8.1.1 感知器神经元模型149
8.1.2 单层感知器神经网络结构150
8.2 感知器学习规则151
8.2.1 感知器网络学习算法152
8.2.2 标准化感知器网络学习算法153
8.3 感知器网络的MATLAB实现153
8.3.1 感知器网络的生成153
8.3.2 感知器网络的仿真155
8.3.3 感知器网络的初始化156
8.3.4 感知器网络的学习和训练157
8.4 感知器网络的局限性161
8.4.1 单层感知器网络的局限性161
8.4.2 多层感知器神经网络161
8.5 感知器神经网络设计实例162
8.5.1 输入向量的二类划分162
8.5.2 奇异样本输入向量的训练164
8.5.3 标准化感知器学习规则实例167
8.5.4 线性不可分样本问题168
8.6 小结170
第9章 线性神经网络171
9.1 线性神经网络结构171
9.1.1 线性神经元模型171
9.1.2 线性神经网络结构172
9.2 线性滤波器173
9.3 线性神经网络学习规则173
9.3.1 均方误差174
9.3.2 LMS算法174
9.4 线性神经网络的MATLAB实现175
9.4.1 线性神经元生成175
9.4.2 线性神经网络生成178
9.4.3 线性滤波器生成179
9.4.4 线性神经网络训练180
9.5 线性网络的局限性184
9.5.1 非线性系统184
9.5.2 超定系统187
9.5.3 不定系统187
9.5.4 线性相关向量190
9.5.5 学习速率过大192
9.6 线性神经网络设计实例194
9.6.1 线性预测194
9.6.2 自适应滤波噪声抵消196
9.6.3 自适应滤波系统辨识198
9.7 小结201
第10章 BP神经网络202
10.1 BP神经网络结构202
10.1.1 BP网络神经元模型202
10.1.2 BP神经网络结构203
10.2 BP网络学习规则204
10.2.1 BP算法204
10.2.2 批处理学习算法207
10.3 BP网络的MATLAB实现208
10.3.1 BP网络的创建与仿真208
10.3.2 BP网络的训练209
10.4 BP网络的局限性224
10.5 BP神经网络设计实例225
10.5.1 函数逼近225
10.5.2 回归分析227
10.5.3 特征识别229
10.6 小结233
第11章 径向基神经网络234
11.1 基本径向基神经网络234
11.1.1 径向基网络神经元模型234
11.1.2 径向基神经网络结构235
11.2 概率神经网络236
11.3 广义回归神经网络237
11.4 径向基网络的MATLAB实现238
11.4.1 径向基神经网络的精确创建239
11.4.2 更有效的径向基神经网络创建240
11.4.3 概率神经网络的创建240
11.4.4 广义回归神经网络的创建241
11.5 径向基网络设计实例242
11.5.1 径向基网络函数逼近242
11.5.2 散布常数的影响之欠交迭情形245
11.5.3 散布常数的影响之过交迭情形247
11.5.4 广义回归网络函数逼近248
11.5.5 概率神经网络模式分类251
11.6 小结254
第12章 自组织神经网络255
12.1 自组织竞争网络255
12.1.1 自组织竞争网络结构模型255
12.1.2 自组织竞争神经网络的学习算法256
12.2 自组织特征映射网络259
12.2.1 自组织特征映射网络模型259
12.2.2 自组织特征映射网络结构267
12.2.3 自组织特征映射网络的学习规则267
12.3 学习矢量量化网络268
12.3.1 学习矢量量化网络结构268
12.3.2 学习矢量量化网络的学习规则269
12.3.3 与自组织映射网络的比较271
12.4 自组织神经网络的MATLAB实现271
12.4.1 自组织竞争网络的设计271
12.4.2 自组织竞争网络的训练272
12.4.3 SOFM网络的设计274
12.4.4 SOFM网络的训练275
12.4.5 LVQ网络的设计276
12.4.6 LVQ网络的训练278
12.5 自组织神经网络应用实例279
12.5.1 自组织竞争网络模式分类279
12.5.2 一维自组织特征映射网络281
12.5.3 二维自组织特征映射网络283
12.5.4 LVQ网络应用实例285
12.6 小结288
第13章 反馈神经网络289
13.1 Hopfield网络289
13.1.1 离散Hopfield网络模型290
13.1.2 连续Hopfield网络模型292
13.1.3 联想记忆294
13.1.4 Hopfield网络结构296
13.2 Elman反馈神经网络297
13.3 反馈神经网络的MATLAB实现297
13.3.1 设计Hopfield网络297
13.3.2 Elman网络的创建与仿真299
13.3.3 训练Elman网络300
13.4 反馈神经网络应用实例302
13.4.1 二神经元Hopfield网络设计302
13.4.2 Hopfield网络中的伪平衡点304
13.4.3 三神经元Hopfield网络设计307
13.4.4 利用Elman网络进行振幅检测310
13.5 小结313
第三篇 神经网络综合实战篇314
第14章 神经网络优化314
14.1 支持向量机314
14.1.1 统计学习理论315
14.1.2 支持向量机(SVM)理论315
14.1.3 支持向量机实例318
14.2 Boltzmann机与模拟退火算法322
14.2.1 Boltzmann机的网络结构322
14.2.2 模拟退火算法324
14.2.3 Boltzmann机的工作原理325
14.3 基于遗传算法的神经网络优化326
14.3.1 遗传算法介绍326
14.3.2 基于遗传算法的神经网络优化算法329
14.3.3 遗传算法优化实例329
14.4 小结334
第15章 神经网络控制335
15.1 神经网络控制概述336
15.1.1 监督式神经网络控制336
15.1.2 直接逆模型神经网络控制337
15.1.3 神经网络自适应控制337
15.1.4 神经网络内模控制338
15.1.5 神经网络预测控制339
15.1.6 神经网络自适应判断控制340
15.1.7 多层神经网络控制340
15.1.8 分级神经网络控制341
15.2 神经网络模型预测控制343
15.2.1 系统辨识343
15.2.2 预测控制344
15.2.3 预测控制的Simulink实例345
15.3 神经网络反馈线性化控制(NARMA
L2)351
15.3.1 NARMA
L2系统辨识351
15.3.2 NARMA
L2控制器352
15.3.3 NARMA
L2控制器Simulink实例353
15.4 神经网络模型参考控制357
15.5 小结362
第16章 神经网络故障诊断363
16.1 神经网络故障诊断概述363
16.2 基于神经网络的滚动轴承故障诊断364
16.2.1 问题背景364
16.2.2 问题实例366
16.3 基于神经网络的汽车防抱死系统故障诊断369
16.3.1 问题背景369
16.3.2 问题实例371
16.4 基于神经网络的柴油机故障诊断374
16.4.1 问题背景374
16.4.2 问题实例376
16.5 基于神经网络的水循环系统故障诊断381
16.5.1 问题背景381
16.5.2 问题实例382
16.6 小结384
第17章 神经网络预测385
17.1 神经网络预测概述385
17.2 基于神经网络的地震预测388
17.2.1 问题背景388
17.2.2 问题实例388
17.3 基于神经网络的人口预测392
17.3.1 问题背景392
17.3.2 问题实例392
17.4 基于神经网络的电信业务量预测395
17.4.1 问题背景395
17.4.2 问题实例395
17.5 基于神经网络的股市预测398
17.5.1 问题背景398
17.5.2 问题实例399
17.6 基于神经网络的信用风险预测401
17.6.1 问题背景401
17.6.2 问题实例402
17.7 小结404
第18章 Simulink中的神经网络设计405
18.1 Simulink神经网络模块405
18.1.1 传递函数模块库406
18.1.2 网络输入函数模块库407
18.1.3 权值函数模块库407
18.1.4 处理函数模块库408
18.1.5 控制系统模块库408
18.2 神经网络Simulink模型设计实例409
18.3 小结413
第19章 自定义神经网络414
19.1 自定义网络414
19.1.1 定制网络415
19.1.2 定义网络416
19.1.3 网络行为424
19.2 相关工具箱函数427
19.2.1 初始化函数427
19.2.2 传递函数427
19.2.3 学习函数430
19.3 自定义函数435
19.3.1 网络构建函数436
19.3.2 初始化函数441
19.3.3 学习函数443
19.3.4 自组织映射函数446
19.4 小结448
附录A 工具箱函数列表449

内容介绍：

本书以应用为方向，以实用为目标来讲述MATLAB的神经网络计算，在简要介绍神经网络的各种典型网络以及训练过程之后，重点讲述应用MATLAB神经网络工具箱进行神经网络的设计与应用，并辅以大量的实例及综合实战应用。

书我要，下载先！ http://www.books51.com/ 祝您开卷有益！

本文链接: http://www.books51.com/45088.html

上一篇: 《矩阵实验室》R2014a[光盘镜像] Mathworks.Matlab.R2014a

下一篇: 《MATLAB遗传算法工具箱及应用》

(0 次顶, 0 人已投票)
你必须注册后才能投票！

Loading...