MATLAB R2016a神经网络设计与应用28个案例分析 内容简介

本书是“精通MATLAB”丛书之一，以MATLAB R2016a为平台编写，通过28个案例介绍MATLAB在神经网络中的应用，应用性强，实用价值高。本书提供所有程序源代码。“精通MATLAB”相关书目如下：（1）MATLAB 8.X实战指南（2）数字图像处理高级应用——基于MATLAB和CUDA的实现（第2版）（3）MATLAB通信系统建模与仿真（4）MATLAB R2015a数字图像处理（5）MATLAB R2015b数学建模（6）MATLAB R2015a小波分析（7）MATLAB R2015b神经网络技术（8）MATLAB R2015b*化计算（9）MATLAB R2015b概率与数理统计（10）MATLAB R2015b数值计算方法（11）MATLAB R2016a智能计算25个案例分析（12）MATLAB R2016a在电子信息工程中仿真案例分析（13）MATLAB R2016a神经网络设计与应用28个案例分析

MATLAB R2016a神经网络设计与应用28个案例分析 本书特色

本书以MATLAB R2016a为平台编写。全书共分28个案例，主要介绍神经网络工具箱函数、前向型神经网络、反馈型神经网络、竞争型神经网络、神经网络的控制系统预测及诊断、神经网络图形用户接口、神经网络的Simulink、自定义神经网络等内容，可使读者全面了解MATLAB在神经网络中的应用。本书可以作为广大科研人员、学者、工程技术人员的参考用书，也可以作为高等理工科院校电子信息、通信工程及自动控制等学科的本科生与研究生的学习用书。

MATLAB R2016a神经网络设计与应用28个案例分析 目录

目录第1章线性神经网络的工程应用 1.1系统辨识的MATLAB实现 1.2自适应系统辨识的MATLAB实现 1.3线性系统预测的MATLAB实现 1.4线性神经网络用于消噪处理的MATLAB实现第2章神经网络预测的实例分析 2.1地震预报的MATLAB实现 2.1.1概述 2.1.2地震预报的MATLAB实例分析 2.2交通运输能力预测的MATLAB实现 2.2.1概述 2.2.2交通运输能力预测的MATLAB实例分析 2.3农作物虫情预测的MATLAB实现 2.3.1概述 2.3.2农作物虫情预测的MATLAB实例分析 2.4基于概率神经网络的故障诊断 2.4.1概述 2.4.2基于PNN的故障诊断实例分析 2.5基于BP网络和Elman网络的齿轮箱故障诊断 2.5.1概述 2.5.2基于BP网络的齿轮箱故障诊断实例分析 2.5.3基于Elman网络的齿轮箱故障诊断实例分析 2.6基于RBF网络的船用柴油机故障诊断 2.6.1概述 2.6.2基于RBF网络的船用柴油机故障诊断实例分析第3章BP网络算法分析与工程应用 3.1数值优化的BP网络训练算法 3.1.1拟牛顿法 3.1.2共轭梯度法 3.1.3LevenbergMarquardt法 3.2BP网络的工程应用 3.2.1BP网络在分类中的应用 3.2.2函数逼近 3.2.3BP网络用于胆固醇含量的估计 3.2.4模式识别第4章神经网络算法分析与实现 4.1Elman神经网络 4.1.1Elman神经网络结构 4.1.2Elman神经网络的训练 4.1.3Elman神经网络的MATLAB实现 4.2Boltzmann机网络 4.2.1BM网络结构 4.2.2BM网络的规则 4.2.3用BM网络解TSP 4.2.4BM网络的MATLAB实现 4.3BSB模型 4.3.1BSB神经模型概述 4.3.2BSB的MATLAB实现第5章预测控制算法分析与实现 5.1系统辨识 5.2自校正控制 5.2.1单步输出预测 5.2.2*小方差控制 5.2.3*小方差间接自校正控制 5.2.4*小方差直接自校正控制 5.3自适应控制 5.3.1MIT自适应律 5.3.2MIT归一化算法第6章改进的广义预测控制算法分析与实现 6.1预测控制 6.1.1基于CARIMA模型的JGPC 6.1.2基于CARMA模型的JGPC 6.2神经网络预测控制的MATLAB实现第7章SOFM网络算法分析与应用 7.1SOFM网络的生物学基础 7.2SOFM网络的拓扑结构 7.3SOFM网络学习算法 7.4SOFM网络的训练过程 7.5SOFM网络的MATLAB实现 7.6SOFM网络在实际工程中的应用 7.6.1SOFM网络在人口分类中的应用 7.6.2SOFM网络在土壤分类中的应用第8章几种网络算法分析与应用 8.1竞争型神经网络的概念与原理 8.1.1竞争型神经网络的概念 8.1.2竞争型神经网络的原理 8.2几种联想学习规则 8.2.1内星学习规则 8.2.2外星学习规则 8.2.3科荷伦学习规则第9章Hopfield神经网络算法分析与实现 9.1离散Hopfield神经网络 9.1.1网络的结构与工作方式 9.1.2吸引子与能量函数 9.1.3网络的权值设计 9.2连续Hopfield神经网络 9.3联想记忆 9.3.1联想记忆网络 9.3.2联想记忆网络的改进 9.4Hopfield神经网络的MATLAB实现第10章学习向量量化与对向传播网络算法分析与实现 10.1学习向量量化网络 10.1.1LVQ网络模型 10.1.2LVQ网络学习算法 10.1.3LVQ网络学习的MATLAB实现 10.2对向传播网络 10.2.1对向传播网络概述 10.2.2CPN网络学习及规则 10.2.3对向传播网络的实际应用第11章NARMAL2控制算法分析与实现 11.1反馈线性化控制系统原理 11.2反馈线性控制的MATLAB实现 11.3NARMAL2控制器原理及实例分析 11.3.1NARMAL2控制器原理 11.3.2NARMAL2控制器实例分析第12章神经网络函数及其导函数 12.1神经网络的学习函数 12.2神经网络的输入函数及其导函数 12.3神经网络的性能函数及其导函数 12.3.1性能函数 12.3.2性能函数的导函数第13章Simulink神经网络设计 13.1Simulink交互式仿真集成环境 13.1.1Simulink模型创建 13.1.2Simulink建模操作 13.1.3Simulink参数设置 13.1.4简单的Simulink例子 13.2Simulink神经网络模块 13.2.1传递函数模块库 13.2.2网络输入模块库 13.2.3权值设置模块库 13.2.4处理模块库 13.2.5控制系统模块库 13.3Simulink神经网络设计 13.3.1模型构建 13.3.2模型仿真 13.3.3修改信号源第14章BP神经元模型与应用案例 14.1BP神经元及其模型 14.2BP网络的学习 14.2.1BP网络学习算法 14.2.2BP网络学习算法的比较 14.3BP网络的局限性 14.4BP网络的MATLAB程序应用举例 14.4.1BP网络设计的基本方法 14.4.2BP网络应用举例第15章自适应共振网络算法分析与应用 15.1ART1网络 15.1.1网络系统结构 15.1.2ATR1网络运行过程 15.1.3ATR1学习算法 15.1.4ART1网络应用 15.2ART2网络 15.2.1网络结构与运行原理 15.2.2网络的数学模型与学习算法 15.2.3ART2网络在系统辨识中的应用第16章径向基网络算法分析与应用 16.1正则化理论及正则化RBF网络 16.1.1正则化理论 16.1.2正则化RBF网络 16.2径向基神经网络结构 16.2.1径向基神经元模型 16.2.2径向基神经网络模型 16.3径向基神经网络学习 16.4径向基神经网络的工程应用 16.4.1函数逼近 16.4.2散布常数对径向基网络的影响 16.5广义回归神经网络 16.5.1GRNN网络结构 16.5.2GRNN网络工作原理 16.6概率神经网络 16.6.1PNN网络结构 16.6.2PNN网络工作原理 16.6.3应用PNN进行变量分类第17章感知器算法分析与实现 17.1单层感知器模型 17.2单层感知器的学习算法 17.3感知器的局限性 17.4单层感知器神经网络的MATLAB仿真 17.4.1感知器神经网络设计的基本方法 17.4.2单层感知器神经网络的应用举例 17.5多层感知器神经网络及其MATLAB仿真 17.5.1多层感知器神经网络的设计方法 17.5.2多层感知器神经网络的应用举例 17.6用于线性分类问题的进一步讨论 17.6.1决策函数与决策边界 17.6.2感知器的决策函数与决策边界第18章线性网络与BP网络工具箱函数及其应用 18.1线性神经网络工具箱函数 18.1.1创建函数及其应用 18.1.2学习函数及其应用 18.1.3性能函数及其应用 18.1.4权积函数及其应用 18.1.5初始化函数 18.2BP神经网络工具箱函数 18.2.1创建函数及其应用 18.2.2传递函数及其应用 18.2.3学习函数及其应用 18.2.4性能函数及其应用 18.2.5训练函数及其应用 18.2.6显示函数及其应用第19章BP网络算法分析与实现 19.1BP神经网络模型 19.2BP神经网络算法 19.2.1SDBP算法 19.2.2MOBP算法 19.2.3VLBP算法 19.2.4RPROP算法 19.2.5CGBP算法 19.3BP网络设计 19.4BP神经网络局限性 19.5BP神经网络算法改进 19.5.1附加动量法 19.5.2有自适应lr的梯度下降法 19.5.3弹性梯度下降法第20章自组织网络工具箱函数及其应用 20.1创建函数 20.2传递函数 20.3距离函数 20.4学习函数 20.5初始化函数 20.6训练函数 20.7显示函数 20.8权值函数 20.9结构函数第21章线性网络算法分析与实现 21.1线性神经网络结构 21.2线性神经网络学习 21.3线性神经网络训练 21.4线性神经网络的MATLAB实现 21.5线性神经网络的局限性 21.5.1超定系统 21.5.2不定系统 21.5.3线性相关向量 21.5.4学习速率过大第22章神经网络工具箱函数及其应用 22.1径向基神经网络工具箱函数 22.1.1创建函数 22.1.2变换函数 22.1.3传递函数 22.1.4距离函数 22.2Hopfield神经网络工具箱函数 22.2.1传输函数 22.2.2学习函数 22.3Elman神经网络工具箱函数 22.4学习向量量化网络工具箱函数 22.4.1创建函数 22.4.2显示函数第23章感知器网络算法分析与实现 23.1单层感知器 23.1.1单层感知器模型 23.1.2感知器功能 23.1.3网络结构 23.1.4感知器算法 23.1.5网络的训练 23.1.6单层感知器实现 23.1.7感知器局限性 23.2多层感知器 23.2.1多层感知器介绍 23.2.2多层感知器实现 23.3感知器神经网络的MATLAB实现第24章神经网络工具箱函数分析与应用 24.1权值和阈值初始化函数 24.2训练和自适应调整函数第25章自组织竞争网络算法分析与应用 25.1自组织竞争网络结构 25.2自组织竞争网络学习规则 25.2.1Kohonen权值学习规则 25.2.2阈值学习规则 25.3网络训练 25.4竞争型网络存在的问题 25.5竞争型网络的工程应用第26章小波神经网络在交通流量预测中的应用 26.1小波变换概述 26.2小波神经网络的定义 26.3小波神经网络的理论 26.4小波神经网络的结构 26.5小波神经网络用于交通流量预测第27章模糊神经网络算法分析与应用 27.1模糊神经网络 27.2几种常用模型的模糊神经网络 27.2.1Mamdani模型模糊神经网络 27.2.2TakagiSugeno模型模糊神经网络 27.2.3模糊神经网络的函数 27.2.4模糊神经网络的应用 27.2.5神经模糊系统的图形界面第28章感知器网络工具箱函数及其应用 28.1创建函数 28.2初始化函数 28.3显示函数 28.4仿真函数 28.5性能函数 28.6训练函数 28.7学习函数 28.8传递函数附录AMATLAB R2016a安装说明参考文献