MATLAB神经网络仿真与应用PDF电子书下载

第1章　神经网络绪论 1

1.1 人工神经网络的介绍 1

1.2　神经网络的发展历程 1

1.2.1　神经网络的起始 1

1.2.2　神经网络的萧条 2

1.2.3　神经网络兴盛 4

1.3　神经网络模型 6

1.3.1 生物神经元模块 6

1.3.2　人工神经元模型 7

1.4　人工神经网络的分类 11

1.5　神经网络的学习方式 12

1.6　神经网络的特点及优点 15

1.6.1 神经网络特点 15

1.6.2　神经网络的优点 16

1.7　神经网络的结构 17

1.8　人工神经网络与人工智能 19

1.8.1　人工智能的概述 19

1.8.2　人工神经网络的应用 20

1.8.3　人工神经网络与人工智能相比较 21

第2章　MATLAB语言及神经元 23

2.1 MATLAB简介 23

2.2 MATLAB的语言特点 25

2.3 MATLAB 7.2的新特点 26

2.4 MATLAB神经网络工具箱 27

2.4.1 MATLAB 6.x神经网络工具箱 27

2.4.2 MATLAB 7.x神经网络工具箱 28

2.5 MATLAB神经网络工具箱的对象与属性 30

2.5.1 网络对象属性 32

2.5.2　子对象属性 43

第3章　神经网络工具箱函数的分析及实例 57

3.1 神经网络的构建函数 57

3.2　神经网络的应用函数 69

3.3　权值和阈值初始化函数 74

3.4　训练和自适应调整函数 76

3.5　神经网络的学习函数 90

3.6　神经网络的输入函数及其导函数 99

3.6.1　输入函数 100

3.6.2　输入函数的导函数 101

3.7　神经网络的性能函数及其导函数 101

3.7.1 性能函数 102

3.7.2　性能函数的导函数 104

3.8　传递函数及其导函数 106

3.8.1 传递函数 107

3.8.2　传递函数的导函数 113

3.9　距离函数 117

3.10　权值函数及其导函数 119

3.10.1　权值函数 119

3.10.2　权值函数的导函数 121

3.11 结构函数 121

3.12　分析函数 123

3.13　转换函数 124

3.14　绘图函数 129

3.15　数据预处理和后处理函数 136

第4章　前向型神经网络及MATLAB应用举例 143

4.1 感知器 143

4.1.1　单层感知器模型 143

4.1.2　单层感知器的学习算法 144

4.1.3　感知器的局限性 147

4.1.4　单层感知器神经网络的MATLAB仿真 148

4.1.5　多层感知器神经网络及其MATLAB仿真 152

4.1.6　用于线性分类问题的进一步讨论 155

4.2　线性神经网络 157

4.2.1　线性神经网络结构 157

4.2.2　线性神经网络设计 158

4.2.3 自适应滤波线性神经网络 160

4.2.4　线性神经网络的局限性 162

4.2.5 线性神经网络的MATLAB应用举例 162

4.3 BP网络 167

4.3.1 BP神经元及其模型 167

4.3.2 BP网络的学习 168

4.3.3 BP网络的局限性 175

4.3.4　BP网络的MATLAB程序应用举例 176

4.4　径向基网络 182

4.4.1　径向基函数网络模型 182

4.4.2　径向基函数网络的构建 184

4.4.3 RBF网络应用实例 185

4.4.4 RBF网络的非线性滤波 187

4.5 GMDH网络 188

4.5.1 GMDH网络理论 189

4.5.2 GMDH网络的训练 189

4.5.3　基于GMDH网络的预测 190

第5章 自组织神经网络及MATLAB程序 193

5.1 自组织竞争型神经网络 193

5.1.1　竞争型神经网络模型 193

5.1.2　竞争型神经网络的学习 194

5.1.3　竞争型神经网络存在的问题 195

5.1.4 竞争型神经网络的MATLAB程序 195

5.2 自组织特征映射神经网络 198

5.2.1　特征映射网络的模型 199

5.2.2　特征映射网络的学习 200

5.2.3　基于特征映射网络的人口分类 200

5.3 自适应共振理论 204

5.3.1 自适应共振理论模型 204

5.3.2 自适应共振理论的学习 204

5.3.3 自适应共振理论的MATLAB程序 206

5.4　学习矢量量化神经网络 208

5.4.1　学习矢量量化的神经网络模型 208

5.4.2　学习矢量量化神经网络的学习 209

5.4.3 LVQ1学习算法的改进 210

5.4.4 LVQ神经网络的MATLAB程序 211

5.5　对向传播网络 214

5.5.1　对向传播网络简介 214

5.5.2　对向传播网络的MATLAB程序 216

第6章　反馈神经网络及其应用 223

6.1　反馈神经网络的基本概念 223

6.2 Elman神经网络及MATLAB程序 225

6.2.1 Elman神经网络 225

6.2.2 Elman神经网络的MATLAB程序 226

6.3 Hopfield网络及MATLAB程序 229

6.3.1 Hopfield网络介绍 229

6.3.2 Hopfield网络的学习 230

6.3.3 Hopfield网络的几个重要结论 230

6.3.4 Hopfield网络的MATLAB程序 230

6.3.5 Hopfield网络基于数学识别 232

6.4　联想记忆 233

6.4.1　联想记忆的基本概念 233

6.4.2　Hopfield联想记忆网络 234

6.4.3　联想记忆网络的运行步骤 236

6.4.4　联想记忆网络的改进 238

6.4.5 Hopfield神经网络应用于联想记忆的MATLAB程序 239

6.5 回归BP网络及MATLAB应用 241

6.5.1 回归BP网络概述 242

6.5.2　回归BP网络在房价的应用 243

6.6 BSB模型及其应用 243

6.6.1 BSB神经网络介绍 244

6.6.2 BSB的应用 244

第7章　图形用户接口 247

7.1 图形用户界面介绍 247

7.2　图形用户应用示例 248

7.3　数据操作 251

7.3.1　数据从工作空间导入到GUI 251

7.3.2　数据从GUI导出到工作空间 251

7.3.3　数据的存储和读取 252

7.3.4　数据的删除 253

第8章　Simulink 255

8.1 Simulink概述 255

8.2 Simulink启动以及建立文件 256

8.2.1 Simulink启动 256

8.2.2 MDL文件的建立 257

8.2.3 Simulink库文件的建立 260

8.3 Simulink交互式仿真集成环境 262

8.3.1 Simulink仿真 262

8.3.2 Simulink模型属性设置 264

8.4 Simulink的模块 264

8.4.1　连续模块库 264

8.4.2　离散模块库 265

8.4.3　非线性模块库 267

8.4.4　信号和系统模块库 268

8.4.5　数学模块库 269

8.4.6　输出模块库 270

8.4.7　输入源模块库 271

8.5 Simulink的命令行仿真技术 272

8.5.1　命令行创建Simulink仿真模型 272

8.5.2　用Simulink命令行进行仿真 275

8.5.3 命令行仿真实例 279

8.6 Simulink应用实例 281

第9章 自定义神经网络 285

9.1 自定义神经网络 285

9.1.1 自定义神经网络的创建 285

9.1.2 自定义神经网络的初始化、训练与仿真 295

9.2 自定义函数 297

9.2.1　初始化函数 298

9.2.2 学习函数 300

9.2.3　仿真函数 305

9.2.4　自组织函数 315

第10章　神经网络的应用 319

10.1　线性神经网络在线性预测中的应用 319

10.2　神经模糊控制在洗衣机中的应用 321

10.2.1　洗衣机的模糊控制 321

10.2.2　洗衣机的神经网络模糊控制器的设计 322

10.3　模糊神经网络在配送中心选址中的应用 326

10.3.1 问题概述 326

10.3.2　设计 326

10.4 Elman神经网络在信号检测中的应用 329

10.5　神经网络在噪声抵消系统中的应用 332

10.5.1 自适应噪声抵消原理 332

10.5.2　噪声抵消系统的MATLAB仿真 334

参考文献 337