《MATLAB 神经网络设计与应用(最新版)》

第1章 MATLAB软件介绍及入门知识1

1.1 MATLAB入门认识1

1.1.1 MATLAB基本功能1

1.1.2 MATLAB的特点2

1.1.3 MATLAB R2012a的新功能3

1.1.4 MATLAB的发展史4

1.2 MATLAB用户界面概述5

1.2.1 MATLAB启动和退出5

1.2.2 MATLAB主菜单及功能6

1.2.3 MATLAB组成环境11

1.2.4 MATLAB的帮助文档16

1.3 变量与常量21

1.3.1 变量22

1.3.2 常量24

1.4 数组与矩阵25

1.4.1 矩阵的创建25

1.4.2 矩阵与数组的运算27

1.4.3 关系运算符33

1.4.4 逻辑运算符34

1.4.5 特殊矩阵35

1.4.6 特殊矩阵操作39

1.5 程序结构42

1.5.1 顺序结构42

1.5.2 循环结构43

1.5.3 分支结构47

1.5.4 错误控制结构51

1.5.5 程序流程控制53

第2章 神经网络概述55

2.1 人工神经网络概念55

2.2 神经网络概述56

2.3 神经网络的发展史57

2.3.1 神经网络的起始57

2.3.2 神经网络的萧条59

2.3.3 神经网络兴盛60

2.4 神经元62

2.4.1 生物神经元结构特点62

2.4.2 神经元的基本功能63

2.4.3 人工神经元模型64

2.5 神经网络的类型65

2.5.1 单层前向神经网络66

2.5.2 多层前向神经网络66

2.5.3 反馈网络67

2.5.4 随机神经网络67

2.5.5 竞争神经网络67

2.6 神经网络的学习68

2.6.1 神经网络的学习方式68

2.6.2 神经网络的学习规则69

2.7 神经网络的特点与优点71

2.7.1 神经网络的特点71

2.7.2 神经网络的优点72

2.8 神经网络研究的方向73

2.9 人工神经网络与智能神经网络73

2.9.1 人工智能的概述74

2.9.2 人工神经元与人工智能相比较75

2.10 神经网络工具箱通用函数76

2.10.1 神经网络仿真函数79

2.10.2 神经网络训练函数81

2.10.3 神经网络学习函数84

2.10.4 神经网络初始函数87

2.10.5 神经网络输入函数88

2.10.6 神经网络的传递函数90

2.10.7 神经网络求点积函数93

第3章 感知器网络94

3.1 感知器的神经网络工具箱函数94

3.1.1 创建函数94

3.1.2 显示函数97

3.1.3 性能函数99

3.2 单层感知器103

3.2.1 单层感知器模型103

3.2.2 单层感知器功能104

3.2.3 单层感知器结构107

3.2.4 单层感知器学习算法108

3.2.5 单层感知器训练109

3.2.6 单层感知器局限性110

3.2.7 单层感知器的MATLAB实现111

3.3 多层感知器118

3.3.1 多层感知器模型118

3.3.2 多层感知器设计方法118

3.3.3 多层感知器的MATLAB实现119

第4章 线性神经网络124

4.1 线性神经网络工具箱函数124

4.1.1 创建函数124

4.1.2 学习函数126

4.1.3 性能函数128

4.2 线性神经网络模型及结构129

4.2.1 线性神经网络模型129

4.2.2 线性神经网络的结构130

4.3 线性神经网络的学习算法与训练130

4.3.1 线性神经网络的学习算法130

4.3.2 线性神经网络的训练132

4.4 线性神经网络的滤波器134

4.5 线性神经网络与感知器神经网络的对比137

4.6 线性神经网络的应用138

4.6.1 线性化建模138

4.6.2 模式分类143

4.6.3 消噪处理144

4.6.4 系统辨识146

4.6.5 系统预测148

第5章 BP神经网络153

5.1 BP神经网络工具箱函数154

5.1.1 创建函数154

5.1.2 传递函数156

5.1.3 学习函数158

5.1.4 训练函数159

5.1.5 性能函数162

5.1.6 显示函数163

5.2 BP网络模型及结构164

5.2.1 BP网络模型164

5.2.2 BP网络学习算法166

5.2.3 BP神经网络特点171

5.2.4 BP网络功能171

5.2.5 BP网络实例分析171

5.3 BP网络泛化能力提高179

5.3.1 归一化180

5.3.2 提前终止法182

5.4 BP网络的局限性184

5.5 BP网络典型应用184

第6章 反馈神经网络193

6.1 反馈网络的概述193

6.1.1 反馈神经网络概念195

6.1.2 前馈与反馈神经网络的区别196

6.1.3 反馈型神经网络模型197

6.2 Hopfield神经网络198

6.2.1 离散型Hopfield网络198

6.2.2 DHNN的动力学稳定性201

6.2.3 网络权值的学习203

6.2.4 联想记忆功能205

6.3 连续型Hopfield网络206

6.3.1 网络结构与数学模型207

6.3.2 网络稳定性208

6.3.3 连续型Hopfield网络特点209

6.4 Hopfield神经网络函数及应用209

6.4.1 Hopfield神经网络函数209

6.4.2 Hopfield神经网络的应用212

6.5 Elman神经网络224

6.5.1 Elman神经网络结构224

6.5.2 Elman神经网络权值修正的学习算法225

6.5.3 Elman网络稳定性推导227

6.5.4 对角递归网络稳定时学习速率的确定228

6.5.5 Elman神经网络在数据预测中的应用229

第7章 径向基神经网络232

7.1 RBF神经网络模型232

7.1.1 RBF神经元模型232

7.1.2 RBF神经网络模型233

7.2 RBF网的数学基础234

7.2.1 内插问题234

7.2.2 正则化网络235

7.3 RBF神经网络的学习算法236

7.3.1 自组织选取中心法236

7.3.2 梯度训练方法237

7.3.3 正交最小二乘(OLS)学习算法238

7.4 其他径向基神经网络239

7.4.1 广义回归神经网络239

7.4.2 泛化回归神经网络240

7.4.3 概率神经网络241

7.5 RBF神经网络MATLAB函数242

7.5.1 创建函数242

7.5.2 权函数245

7.5.3 输入函数246

7.5.4 传递函数247

7.5.5 mse函数247

7.5.6 变换函数248

7.6 径向基网络应用249

7.7 径向基神经网络优缺点267

第8章 自组织神经网络269

8.1 自组织特征映射网络269

8.1.1 竞争学习的概念270

8.1.2 竞争学习规则271

8.1.3 竞争学习原理273

8.1.4 竞争神经网络MATLAB实现275

8.1.5 竞争型神经网络存在的问题279

8.2 自组织特征映射神经网络279

8.2.1 SOM网络的生物学基础280

8.2.2 SOM网络拓扑结构280

8.2.3 SOM网络的权值调整281

8.2.4 SOM网络的MATLAB实现283

8.2.5 SOM网络的应用291

8.3 LVQ神经网络302

8.3.1 LVQ神经网络的结构302

8.3.2 LVQ神经网络的学习算法303

8.3.3 LVQ神经网络的特点304

8.3.4 LVQ神经网络的MATLAB函数305

8.3.5 LVQ神经网络的应用307

8.4 自适应共振理论(ART)模型311

8.4.1 ART-1型网络312

8.4.2 ART-2型网络317

8.5 CP神经网络321

8.5.1 CP神经网络概述322

8.5.2 CP网络学习322

8.5.3 CP网络应用324

第9章 其他神经网络330

9.1 Boltzmann神经网络330

9.1.1 BM网络的基本结构330

9.1.2 BM模型的学习330

9.1.3 BM网络的实现333

9.2 BSB神经网络335

9.2.1 BSB神经网络模型335

9.2.2 BSB网络的实现函数335

9.3 模糊神经网络337

9.3.1 模糊神经网络的形式337

9.3.2 神经网络和模糊控制结合的优点339

9.3.3 神经模糊控制器339

9.3.4 神经模糊控制器的学习算法342

9.3.5 模糊神经网络MATLAB函数344

9.3.6 MATLAB模糊神经推理系统的图形用户界面350

9.4 Simulink神经网络352

9.4.1 Simulink神经网络仿真模型库353

9.4.2 Simulink神经网络应用357

9.5 自定义神经网络361

9.5.1 自定义神经网络的创建361

9.5.2 自定义神经网络的初始化、训练与仿真373

第10章 神经网络在实际领域中的应用377

10.1 地震预报377

10.1.1 问题概述377

10.1.2 网络设计378

10.1.3 网络训练与测试379

10.1.4 网络实现383

10.2 配送中心选址385

10.2.1 问题概述386

10.2.2 网络实现386

10.3 人脸识别389

10.3.1 模型建立389

10.3.2 网络实现390

10.4 农作物虫害预测394

10.4.1 虫害预测原理394

10.4.2 网络实现395

参考文献399

网上参考资源400