《MATLAB神经网络应用设计》一书，利用目前国际上流行的MATLAB环境，结合神经网络工具箱，在介绍人工神经网络中的各种典型网络以及训练过程的基础上，利用MATLAB工具箱进行神经网络的设计与应用。该书给出了各种神经网络在不同应用时的网络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，从而达到正确、合理和充分应用神经网络的目的。该书可作为计算机、电子学、信息科学、通信、控制等专业的本科生、研究生教材，也可作为其他专业科技人员学习神经网络或MATLAB及其神经网络工具箱的参考用书。

版权信息

目录

版权信息

书 名: MATLAB神经网络应用设计

作　者：张德丰

出版社： 机械工业出版社

出版时间： 2009

ISBN: 9787111256120

开本： 16

定价: 39.00 元

目录

前言

第1章神经网络概述1

1.1神经网络的基本概念1

1.1.1生物神经元的结构与功能特点1

1.1.2人工神经元模型1

1.1.3神经网络的结构及工作方式3

1.1.4神经网络的学习4

1.2神经网络的发展和应用7

1.2.1神经网络的发展7

1.2.2神经网络的研究内容8

1.2.3神经网络的应用8

1.3神经网络的特点8

1.4MATLAB语言及入门9

1.4.1MATLAB概述9

1.4.2MATLAB语言特点11

1.4.3MATLAB快速入门12

1.5神经网络工具箱23

第2章感知神经网络24

2.1单层感知器24

2.1.1感知器模型24

2.1.2感知器的功能25

2.1.3感知器的局限性27

2.1.4感知器的学习算法27

2.1.5单层感知器的MATLAB实现29

2.2多层感知器35

2.3感知器神经网络的学习和训练36

2.3.1学习规则36

2.3.2网络训练37

2.4基于BP算法的多层感知器设计基础39

2.4.1网络信息容量与训练样本基础39

2.4.2训练样本集的设计40

2.4.3初始权值的设计43

2.4.4多层感知器的结构设计44

2.4.5网络训练与测试45

2.5感知器设计实例46

2.5.1二输入感知器分类问题46

2.5.2输入奇异样本对网络训练的影响47

2.5.3线性不可分输入量48

第3章自组织竞争神经网络50

3.1竞争学习的概念与原理50

3.1.1基本概念50

3.1.2竞争学习原理52

3.2自组织神经网络模型54

3.2.1自组织特征映射神经网络结构55

3.2.2自组织特征映射网络学习算法55

3.3自组织竞争网络的神经网络工具箱函数56

3.3.1神经网络创建函数57

3.3.2显示函数58

3.3.3变换函数58

3.3.4传递函数60

3.3.5距离函数61

3.3.6初始化函数64

3.3.7权值函数64

3.3.8学习函数65

3.3.9结构函数66

3.4实例分析71

3.4.1自组织竞争网络在模式分类中的应用71

3.4.2一维自组织特征映射网络设计73

3.4.3二维自组织特征映射网络设计75

3.4.4LVQ模式分类网络设计77

3.5自适应共振理论网络79

3.5.1ARTI型网络80

3.5.2ARTII型网络87

第4章BP神经网络92

4.1BP网络模型结构92

4.1.1神经元模型92

4.1.2前馈型神经网络结构93

4.2BP神经网络构建与算法94

4.2.1BP神经网络构建94

4.2.2BP网络的学习算法95

4.3BP网络的神经网络工具箱函数98

4.3.1BP网络创建函数99

4.3.2神经元上的传递函数100

4.3.3BP网络学习函数103

4.3.4BP网络训练函数104

4.3.5性能函数106

4.3.6显示函数107

4.4BP网络的局限性112

4.5BP网络的应用实例分析113

4.5.1函数逼近113

4.5.2模式识别119

第5章线性神经网络129

5.1线性神经网络构建129

5.1.1生成线性神经元129

5.1.2线性神经元系统设计130

5.1.3线性滤波器131

5.2线性神经网络学习算法132

5.2.1线性神经元网络模型132

5.2.2线性神经网络的学习算法133

5.3线性网络的神经网络工具箱函数134

5.3.1线性网络创建及设计函数134

5.3.2学习函数135

5.3.3传输及均方误差函数139

5.4线性网络的局限性140

5.4.1不定系统140

5.4.2超定系统143

5.4.3线性相关向量145

5.4.4学习速率过大146

5.5线性神经网络应用实例分析148

5.5.1线性系统辨识148

5.5.2应用线性网络进行预测150

5.5.3自适应预测152

5.5.4自适应系统辨识154

第6章径向基函数神经网络157

6.1径向基函数神经网络模型与学习算法157

6.1.1RBF神经网络模型157

6.1.2RBF网络的学习算法158

6.2径向基网络的神经网络函数159

6.2.1神经网络的创建函数160

6.2.2转换函数162

6.2.3传递函数162

6.3基于径向基函数技术的函数逼近与内插163

6.3.1插值问题描述163

6.3.2径向基函数技术解决插值问题163

6.3.3完全内插存在的问题165

6.4概率神经网络166

6.4.1PNN网络结构166

6.4.2PNN网络的工作原理167

6.4.3概率神经网络的设计167

6.5正则化理论与正则化RBF网络168

6.5.1正则化理论168

6.5.2正则化RBF网络170

6.6模式可分性观点与广义的RBF网络171

6.6.1模式的可分性171

6.6.2广义RBF网络172

6.7径向基函数的网络应用实例173

6.7.1函数逼近173

6.7.2散布常数对径向基函数网络设计的影响175

6.7.3应用PNN进行变量分类177

6.7.4应用GRNN进行函数逼近179

第7章反馈神经网络及MATLAB实现182

7.1Hopfield神经网络及MATLAB实现182

7.1.1离散型Hopfield神经网络182

7.1.2连续型Hopfield神经网络187

7.1.3Hopfield网络的MATLAB开发189

7.2Elman神经网络及应用191

7.2.1Elman神经网络结构191

7.2.2Elman神经网络的学习过程192

7.2.3Elman神经网络的工程应用192

7.2.4基于Elman网络的空调负荷预测196

7.3双向联想记忆神经网络198

7.3.1BAM网络结构与原理199

7.3.2能量函数与稳定性分析199

7.3.3BAM网的权值设计200

7.3.4BAM网的应用201

7.4反馈网络应用实例分析202

7.4.1Hopfield网络的不稳定性202

7.4.2三神经元的Hopfield神经网络设计204

7.4.3应用CHNN网解决优化计算问题206

7.5Boltzmann机网络及仿真209

7.5.1BM网络的基本结构209

7.5.2BM模型的工作规则和学习规则209

7.5.3BM网络的MATLAB仿真212

第8章神经网络预测与控制214

8.1电力系统负荷预报的MATLAB实现214

8.1.1问题描述214

8.1.2输入/输出向量设计215

8.1.3BP网络设计216

8.1.4网络训练216

8.2地震预报的MATLAB实现218

8.2.1概述219

8.2.2BP网络设计220

8.2.3BP网络训练与测试220

8.2.4地震预测的竞争网络模型224

8.3交通运输能力预测的MATLAB实现226

8.3.1背景概述227

8.3.2网络创建与训练227

8.3.3结论与分析231

8.4河道浅滩演变预测的MATLAB实现233

8.4.1基于BP网络的演变预测233

8.4.2基于RBF网络的演变预测239

8.5农作物虫情预测的MATLAB实现239

8.5.1基于神经网络的虫情预测原理240

8.5.2BP网络设计241

8.6用水测量的MATLAB实现243

8.6.1问题概述244

8.6.2RBF网络设计244

8.7神经网络模型预测控制246

8.7.1系统辨识246

8.7.2预测控制247

8.7.3神经网络模型预测控制器实例分析247

8.8NARMA？L2（反馈线性化）控制252

8.8.1NARMA？L2模型辨识252

8.8.2NARMA？L2控制器253

8.8.3NARMA？L2控制器实例分析254

第9章神经网络优化及故障诊断259

9.1BP网络学习算法的改进259

9.1.1消除样本输入顺序影响的改进算法259

9.1.2附加动量的改进算法260

9.1.3采用自适应调整参数的改进算法260

9.1.4使用弹性方法的改进算法261

9.1.5基于共轭梯度法的改进算法261

9.1.6基于Levenberg-Marquardt法的改进算法261

9.2基于遗传算法的神经网络优化方法262

9.2.1概述262

9.2.2遗传算法简介263

9.2.3遗传算法工具箱264

9.2.4用遗传算法优化神经网络权值的学习过程265

9.3小波神经网络266

9.3.1概述266

9.3.2小波神经网络参数调整算法267

9.3.3小波神经网络的MATLAB函数270

9.4神经网络与故障模式识别270

9.4.1常用的模式识别方法271

9.4.2神经网络在故障模式识别中的应用271

9.5基于概率神经网络的故障诊断273

9.5.1概述273

9.5.2基于PNN的故障诊断273

9.5.3结论275

9.6基于BP网络和Elman网络的齿轮箱故障诊断276

9.6.1工程描述276

9.6.2输入和目标向量设计277

9.6.3BP网络设计277

9.6.4Elman网络设计280

9.7基于RBF网络的船用柴油机故障诊断282

9.7.1问题描述282

9.7.2涡轮增压系统的故障诊断282

9.7.3网络设计284

第10章图形用户界面设计288

10.1事件处理288

10.2回调函数289

10.2.1中断回调规则291

10.2.2回调函数原形291

10.3回调处理293

10.3.1递归函数调用293

10.3.2M文件调用295

10.3.3函数句柄调用297

10.4网络的创建298

10.4.1设置输入和期望输出298

10.4.2网络生成300

10.5网络训练与仿真302

10.5.1网络训练302

10.5.2网络仿真302

10.6GUI的数据处理303

10.6.1GUI导出数据到MATLAB工作空间304

10.6.2GUI的数据清除305

10.6.3GUI从MATLAB工作空间导入数据305

10.6.4GUI数据文件的存取307

10.7M文件编程设计309

10.7.1界面设计309

10.7.2函数回调316

参考文献320

……