精通MATLAB MATLAB R2016a神经网络设计与应用28个案例分析PDF电子书下载

第1章 线性神经网络的工程应用 1

1.1系统辨识的MATLAB实现 1

1.2自适应系统辨识的MATLAB实现 2

1.3线性系统预测的MATLAB实现 4

1.4线性神经网络用于消噪处理的MATLAB实现 6

第2章 神经网络预测的实例分析 9

2.1地震预报的MATLAB实现 9

2.1.1概述 9

2.1.2地震预报的MATLAB实例分析 10

2.2交通运输能力预测的MATLAB实现 13

2.2.1概述 13

2.2.2交通运输能力预测的MATLAB实例分析 14

2.3农作物虫情预测的MATLAB实现 17

2.3.1概述 18

2.3.2农作物虫情预测的MATLAB实例分析 18

2.4基于概率神经网络的故障诊断 21

2.4.1概述 21

2.4.2基于PNN的故障诊断实例分析 22

2.5基于BP网络和Elman网络的齿轮箱故障诊断 23

2.5.1概述 24

2.5.2基于BP网络的齿轮箱故障诊断实例分析 25

2.5.3基于Elman网络的齿轮箱故障诊断实例分析 26

2.6基于RBF网络的船用柴油机故障诊断 27

2.6.1概述 28

2.6.2基于RBF网络的船用柴油机故障诊断实例分析 28

第3章BP网络算法分析与工程应用 32

3.1数值优化的BP网络训练算法 32

3.1.1拟牛顿法 32

3.1.2共轭梯度法 35

3.1.3 Levenberg-Marquardt法 38

3.2 BP网络的工程应用 39

3.2.1 BP网络在分类中的应用 39

3.2.2函数逼近 41

3.2.3 BP网络用于胆固醇含量的估计 43

3.2.4模式识别 49

第4章 神经网络算法分析与实现 55

4.1 Elman神经网络 55

4.1.1 Elman神经网络结构 55

4.1.2 Elman神经网络的训练 56

4.1.3 Elman神经网络的MATLAB实现 57

4.2 Boltzmann机网络 60

4.2.1BM网络结构 60

4.2.2 BM网络的规则 60

4.2.3用BM网络解TSP 63

4.2.4BM网络的MATLAB实现 64

4.3BSB模型 66

4.3.1 BSB神经模型概述 66

4.3.2 BSB的MATLAB实现 66

第5章 预测控制算法分析与实现 69

5.1系统辨识 69

5.2自校正控制 70

5.2.1单步输出预测 70

5.2.2最小方差控制 71

5.2.3最小方差间接自校正控制 73

5.2.4最小方差直接自校正控制 76

5.3自适应控制 79

5.3.1 MIT自适应律 79

5.3.2 MIT归一化算法 82

第6章 改进的广义预测控制算法分析与实现 86

6.1预测控制 86

6.1.1基于CARIMA模型的JGPC 86

6.1.2基于CARMA模型的JGPC 91

6.2神经网络预测控制的MATLAB实现 95

第7章SOFM网络算法分析与应用 101

7.1 SOFM网络的生物学基础 101

7.2 SOFM网络的拓扑结构 101

7.3 SOFM网络学习算法 103

7.4 SOFM网络的训练过程 104

7.5 SOFM网络的MATLAB实现 106

7.6 SOFM网络在实际工程中的应用 110

7.6.1 SOFM网络在人口分类中的应用 110

7.6.2 SOFM网络在土壤分类中的应用 113

第8章 几种网络算法分析与应用 116

8.1竞争型神经网络的概念与原理 117

8.1.1竞争型神经网络的概念 117

8.1.2竞争型神经网络的原理 119

8.2几种联想学习规则 120

8.2.1内星学习规则 121

8.2.2外星学习规则 123

8.2.3科荷伦学习规则 124

第9章Hopfield神经网络算法分析与实现 126

9.1离散Hopfield神经网络 126

9.1.1网络的结构与工作方式 126

9.1.2吸引子与能量函数 128

9.1.3网络的权值设计 128

9.2连续Hopfield神经网络 130

9.3联想记忆 131

9.3.1联想记忆网络 131

9.3.2联想记忆网络的改进 132

9.4Hopfield神经网络的MATLAB实现 132

第10章 学习向量量化与对向传播网络算法分析与实现 138

10.1学习向量量化网络 138

10.1.1 LVQ网络模型 138

10.1.2 LVQ网络学习算法 139

10.1.3 LVQ网络学习的MATLAB实现 140

10.2对向传播网络 144

10.2.1对向传播网络概述 144

10.2.2 CPN网络学习及规则 145

10.2.3对向传播网络的实际应用 146

第11章NARMA-L2控制算法分析与实现 150

11.1反馈线性化控制系统原理 150

11.2反馈线性控制的MATLAB实现 151

11.3 NARMA-L2控制器原理及实例分析 157

11.3.1 NARMA-L2控制器原理 157

11.3.2 NARMA-L2控制器实例分析 159

第12章 神经网络函数及其导函数 165

12.1神经网络的学习函数 165

12.2神经网络的输入函数及其导函数 173

12.3神经网络的性能函数及其导函数 175

12.3.1性能函数 175

12.3.2性能函数的导函数 177

第13章Simulink神经网络设计 180

13.1 Simulink交互式仿真集成环境 180

13.1.1 Simulink模型创建 180

13.1.2 Simulink建模操作 181

13.1.3 Simulink参数设置 181

13.1.4简单的Simulink例子 184

13.2 Simulink神经网络模块 186

13.2.1传递函数模块库 187

13.2.2网络输入模块库 187

13.2.3权值设置模块库 188

13.2.4处理模块库 189

13.2.5控制系统模块库 190

13.3 Simulink神经网络设计 191

13.3.1模型构建 191

13.3.2模型仿真 194

13.3.3修改信号源 195

第14章 BP神经元模型与应用案例 196

14.1BP神经元及其模型 196

14.2 BP网络的学习 197

14.2.1 BP网络学习算法 197

14.2.2 BP网络学习算法的比较 203

14.3 BP网络的局限性 204

14.4 BP网络的MATLAB程序应用举例 205

14.4.1 BP网络设计的基本方法 205

14.4.2 BP网络应用举例 206

第15章 自适应共振网络算法分析与应用 212

15.1 ART-1网络 212

15.1.1网络系统结构 212

15.1.2 ATR-1网络运行过程 214

15.1.3 ATR-1学习算法 215

15.1.4 ART-1网络应用 216

15.2 ART-2网络 218

15.2.1网络结构与运行原理 218

15.2.2网络的数学模型与学习算法 219

15.2.3 ART-2网络在系统辨识中的应用 222

第16章 径向基网络算法分析与应用 223

16.1正则化理论及正则化RBF网络 223

16.1.1正则化理论 223

16.1.2正则化RBF网络 225

16.2径向基神经网络结构 226

16.2.1径向基神经元模型 226

16.2.2径向基神经网络模型 226

16.3径向基神经网络学习 227

16.4径向基神经网络的工程应用 229

16.4.1.函数逼近 229

16.4.2散布常数对径向基网络的影响 231

16.5广义回归神经网络 234

16.5.1 GRNN网络结构 234

16.5.2 GRNN网络工作原理 234

16.6概率神经网络 236

16.6.1 PNN网络结构 236

16.6.2 PNN网络工作原理 236

16.6.3应用PNN进行变量分类 237

第17章 感知器算法分析与实现 239

17.1单层感知器模型 239

17.2单层感知器的学习算法 240

17.3感知器的局限性 242

17.4单层感知器神经网络的MATLAB仿真 243

17.4.1感知器神经网络设计的基本方法 243

17.4.2单层感知器神经网络的应用举例 243

17.5多层感知器神经网络及其MATLAB仿真 246

17.5.1多层感知器神经网络的设计方法 246

17.5.2多层感知器神经网络的应用举例 247

17.6用于线性分类问题的进一步讨论 250

17.6.1决策函数与决策边界 250

17.6.2感知器的决策函数与决策边界 251

第18章 线性网络与BP网络工具箱函数及其应用 253

18.1线性神经网络工具箱函数 253

18.1.1创建函数及其应用 253

18.1.2学习函数及其应用 255

18.1.3性能函数及其应用 257

18.1.4权积函数及其应用 258

18.1.5初始化函数 259

18.2BP神经网络工具箱函数 260

18.2.1创建函数及其应用 260

18.2.2传递函数及其应用 262

18.2.3学习函数及其应用 263

18.2.4性能函数及其应用 264

18.2.5训练函数及其应用 266

18.2.6显示函数及其应用 268

第19章BP网络算法分析与实现 270

19.1 BP神经网络模型 270

19.2 BP神经网络算法 271

19.2.1 SDBP算法 272

19.2.2 MOBP算法 274

19.2.3 VLBP算法 274

19.2.4 RPROP算法 275

19.2.5 CGBP算法 275

19.3BP网络设计 277

19.4 BP神经网络局限性 278

19.5BP神经网络算法改进 279

19.5.1附加动量法 279

19.5.2有自适应lr的梯度下降法 283

19.5.3弹性梯度下降法 284

第20章 自组织网络工具箱函数及其应用 287

20.1创建函数 287

20.2传递函数 290

20.3距离函数 292

20.4学习函数 294

20.5初始化函数 298

20.6训练函数 299

20.7显示函数 299

20.8权值函数 300

20.9结构函数 300

第21章 线性网络算法分析与实现 302

21.1线性神经网络结构 302

21.2线性神经网络学习 303

21.3线性神经网络训练 304

21.4线性神经网络的MATLAB实现 304

21.5线性神经网络的局限性 308

21.5.1超定系统 308

21.5.2不定系统 311

21.5.3线性相关向量 314

21.5.4学习速率过大 315

第22章 神经网络工具箱函数及其应用 319

22.1径向基神经网络工具箱函数 319

22.1.1创建函数 319

22.1.2变换函数 322

22.1.3传递函数 323

22.1.4距离函数 324

22.2 Hopfield神经网络工具箱函数 325

22.2.1传输函数 325

22.2.2学习函数 326

22.3 Elman神经网络工具箱函数 327

22.4学习向量量化网络工具箱函数 329

22.4.1创建函数 329

22.4.2显示函数 330

第23章 感知器网络算法分析与实现 333

23.1单层感知器 333

23.1.1单层感知器模型 333

23.1.2感知器功能 334

23.1.3网络结构 336

23.1.4感知器算法 337

23.1.5网络的训练 337

23.1.6单层感知器实现 338

23.1.7感知器局限性 339

23.2多层感知器 342

23.2.1多层感知器介绍 342

23.2.2多层感知器实现 343

23.3感知器神经网络的MATLAB实现 345

第24章 神经网络工具箱函数分析与应用 354

24.1权值和阈值初始化函数 354

24.2训练和自适应调整函数 356

第25章 自组织竞争网络算法分析与应用 370

25.1自组织竞争网络结构 370

25.2自组织竞争网络学习规则 371

25.2.1 Kohonen权值学习规则 371

25.2.2阈值学习规则 371

25.3网络训练 372

25.4竞争型网络存在的问题 374

25.5竞争型网络的工程应用 375

第26章 小波神经网络在交通流量预测中的应用 381

26.1小波变换概述 381

26.2小波神经网络的定义 382

26.3小波神经网络的理论 383

26.4小波神经网络的结构 383

26.5小波神经网络用于交通流量预测 385

第27章 模糊神经网络算法分析与应用 389

27.1模糊神经网络 389

27.2几种常用模型的模糊神经网络 391

27.2.1 Mamdani模型模糊神经网络 391

27.2.2 Takagi-Sugeno模型模糊神经网络 392

27.2.3模糊神经网络的函数 393

27.2.4模糊神经网络的应用 397

27.2.5神经模糊系统的图形界面 409

第28章 感知器网络工具箱函数及其应用 419

28.1创建函数 419

28.2初始化函数 420

28.3显示函数 421

28.4仿真函数 423

28.5性能函数 423

28.6训练函数 424

28.7学习函数 426

28.8传递函数 428

附录A MATLAB R2016a安装说明 431

参考文献 438