神经网络实用教程PDF电子书下载

第1章　人工神经网络概述 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 2

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 5

1.2　神经网络的特点及其应用 7

1.2.1　神经网络的特点 7

1.2.2　神经网络的应用领域 7

练习题 8

第2章　实用神经网络模型与学习算法 9

2.1 MATLAB快速入门 9

2.1.1　MATLAB界面组成 10

2.1.2　MATLAB基本运算 11

2.1.3　MATLAB绘图函数 15

2.2　感知器神经网络模型与学习算法 17

2.2.1　单层感知器 17

2.2.2　单层感知器的学习算法 18

2.2.3　单层感知器的MATLAB实现 19

2.2.4　多层感知器 24

2.3　线性神经网络模型与学习算法 25

2.3.1　线性神经元网络模型 25

2.3.2　线性神经网络的学习算法 26

2.3.3　线性神经网络的MATLAB实现 27

2.4　BP神经网络模型与学习算法 31

2.4.1　BP神经网络模型 31

2.4.2　BP网络的标准学习算法 32

2.4.3　BP神经网络学习算法的MATLAB实现 34

2.5　径向基函数神经网络模型与学习算法 37

2.5.1　RBF神经网络模型 38

2.5.2　RBF网络的学习算法 39

2.5.3　RBF网络学习算法的MATLAB实现 40

2.6　自组织神经网络模型与学习算法 42

2.6.1 自组织特征映射神经网络结构 42

2.6.2 自组织特征映射网络的学习算法 43

2.6.3 自组织网络学习算法的MATLAB实现 44

2.7　学习向量量化（LVQ）神经网络模型与学习算法 48

2.7.1　LVQ神经网络结构 48

2.7.2　LVQ神经网络的学习算法 48

2.7.3　LVQ神经网络学习算法的MATLAB实现 50

2.8　Elman神经网络算法模型与学习算法 53

2.8.1　Elman神经网络结构 53

2.8.2　Elman神经网络学习算法 54

2.8.3　Elman神经网络学习算法的MATLAB实现 54

2.9　Hopfield神经网络模型与学习算法 57

2.9.1　离散Hopfield神经网络 58

2.9.2　连续Hopfield神经网络 61

2.9.3　Hopfield神经网络的MATLAB实现 63

2.10　Boltzmann神经网络模型与学习算法 65

2.10.1　Boltzmann机的网络结构 66

2.10.2　Boltzmann机学习算法 67

2.11　模糊神经网络 68

2.11.1　模糊神经网络主要形式 69

2.11.2　模糊神经网络模型 70

2.11.3　模糊神经网络学习方法 71

2.11.4　模糊逻辑MATLAB函数 71

练习题 72

第3章　神经网络优化方法 73

3.1　BP网络学习算法的改进 73

3.1.1　消除样本输入顺序影响的改进算法 73

3.1.2　附加动量的改进算法 74

3.1.3　采用自适应调整参数的改进算法 75

3.1.4　使用弹性方法的改进算法 75

3.1.5　使用拟牛顿法的改进算法 75

3.1.6　基于共轭梯度法的改进算法 76

3.1.7　基于Levenberg-Marquardt法的改进算法 76

3.2　基于遗传算法的神经网络优化方法 77

3.2.1　概述 77

3.2.2　遗传算法简介 78

3.2.3　遗传算法工具箱 79

3.2.4　用遗传算法优化神经网络权值的学习过程 81

3.3　小波神经网络 81

3.3.1　概述 81

3.3.2　小波神经网络参数调整算法 83

3.3.3　小波神经网络的MATLAB函数 86

练习题 86

第4章　nnToolKit神经网络工具包 88

4.1　nnToolKit简介 88

4.2　nnToolKit函数库 88

4.3　应用举例 100

4.3.1　基于LM神经网络的房地产开发风险预测模型 100

4.3.2 自组织特征映射网络进行图像识别 107

4.3.3　模糊神经网络预测地基沉降量 112

4.3.4　基于遗传神经网络的图像分割 117

4.3.5　小波神经网络在1-D插值上的应用 121

练习题 124

第5章　MATLAB混合编程技术 125

5.1　概述 125

5.2　COM生成器（COM Builder） 125

5.2.1　创建nnToolKit的COM组件 125

5.2.2　nnToolKit组件的安装 128

5.2.3　VB调用nnToolKit神经网络工具包实现混合编程 130

5.2.4　CB调用nnToolKit神经网络工具包实现混合编程 135

5.2.5　VC调用nnToolKit神经网络工具包实现混合编程 139

5.3　Excel生成器（Excel Builder） 146

5.3.1　创建nnxToolKit的Excel插件 146

5.3.2　nnxToolKit组件的安装 149

5.3.3　nnxToolKit组件集成到VBA 149

5.3.4　创建图形用户界面 152

5.3.5　保存和测试插件 160

5.3.6　分发应用程序 161

5.3.7　应用示例 161

练习题 164

第6章　神经网络混合编程案例 165

6.1 概述 165

6.2　预测评价指标体系 165

6.3　预测评估模型 166

6.4　有效模式和样本集的确定 167

6.5　样本库的建立和归一化处理 168

6.5.1　样本库的建立 168

6.5.2　归一化处理 169

6.6　系统实现 169

练习题 170

附录　2NDN神经网络建模仿真工具 171

1．2NDN神经网络建模型仿真工具简介 171

1.1　2NDN主要特点 171

1.2　2NDN功能简介 172

2．基于时间序列的股票趋势预测模型 173

3．用2NDN神经网络建模型仿真工具实现混合编程 178

练习题 182

参考文献 184