MATLAB仿真应用精品丛书 MATLAB R2016a神经网络设计应用27例PDF电子书下载

第1章RBF神经网络的实际应用 1

1.1用于曲线拟合的RBF神经网络 1

1.2径向基网络实现非线性函数回归 10

1.3 CRNN网络应用 13

1.4 PNN网络应用 15

1.5 RBF神经网络的优缺点 19

第2章SOM网络算法分析与应用 22

2.1 SOM网络的生物学基础 22

2.2 SOM网络的拓扑结构 22

2.3 SOM网络的权值调整 23

2.4 SOM网络的MATLAB实现 26

2.5 SOM网络的应用 33

第3章 线性网络的实际应用 45

3.1线性化建模 45

3.2模式分类 50

3.3消噪处理 51

3.4系统辨识 54

3.5系统预测 55

第4章BP网络算法分析与应用 61

4.1 BP网络模型 61

4.2 BP网络学习算法 62

4.2.1 BP网络学习算法介绍 62

4.2.2 BP网络学习算法的比较 67

4.3 BP神经网络特点 68

4.4 BP网络功能 68

4.5 BP网络实例分析 68

第5章 神经网络在选址与地震预测中的应用 78

5.1配送中心选址 78

5.2地震预报 81

5.2.1问题概述 82

5.2.2网络设计 83

5.2.3网络训练与测试 83

5.2.4网络实现 88

第6章 模糊神经网络的算法分析与实现 91

6.1模糊神经网络的形式 91

6.2神经网络和模糊控制结合的优点 92

6.3神经模糊控制器 92

6.4神经模糊控制器的学习算法 95

6.5模糊神经网络MATLAB函数 97

6.5.1模糊神经系统的建模函数 97

6.5.2采用网格分割方式生成模糊推理系统函数 102

6.6 MATLAB模糊神经推理系统的图形用户界面 103

第7章BP网络的典型应用 107

7.1数据归一化方法 107

7.2提前终止法 109

7.3 BP网络的局限性 111

7.4 BP网络典型应用 112

7.4.1用BP网络估计胆固醇含量 112

7.4.2线性神经网络在信号预测中的应用 115

第8章 线性神经网络算法分析与实现 120

8.1线性神经网络工具箱函数 120

8.1.1创建函数 120

8.1.2学习函数 122

8.1.3性能函数 124

8.2线性神经网络模型及结构 125

8.3线性神经网络的学习算法与训练 126

8.3.1线性神经网络的学习算法 126

8.3.2线性神经网络的训练 128

8.4线性神经网络的滤波器 130

第9章 感知器网络算法分析与实现 133

9.1单层感知器 133

9.1.1单层感知器模型 133

9.1.2单层感知器功能 134

9.1.3单层感知器结构 136

9.1.4单层感知器学习算法 137

9.1.5单层感知器训练 138

9.1.6单层感知器局限性 139

9.1.7单层感知器的MATLAB实现 140

9.2多层感知器 147

9.2.1多层感知器模型 147

9.2.2多层感知器设计方法 147

9.2.3多层感知器的MATLAB实现 148

第10章 神经网络工具箱函数分析与应用 153

10.1神经网络仿真函数 153

10.2神经网络训练函数 155

10.2.1 train 156

10.2.2 trainb函数 156

10.3神经网络学习函数 158

10.4神经网络初始函数 161

10.5神经网络输入函数 163

10.6 神经网络的传递函数 165

10.7神经网络求点积函数 168

第11章BM网络与BSB网络算法分析与实现 169

11.1 Boltzmann神经网络 169

11.1.1 BM网络的基本结构 169

11.1.2 BM模型的学习 169

11.1.3 BM网络的实现 172

11.2 BSB神经网络 174

第12章 感知器网络工具箱函数及其应用 177

12.1创建函数 177

12.2显示函数 180

12.3性能函数 181

第13章RBF神经网络算法分析与应用 186

13.1 RBF神经网络模型 186

13.2 RBF神经网络的数学基础 188

13.2.1内插问题 188

13.2.2正则化网络 189

13.3 RBF神经网络的学习算法 190

13.3.1自组织选取中心法 190

13.3.2梯度训练方法 191

13.3.3正交最小二乘（OLS）学习算法 192

13.4其他RBF神经网络 193

13.4.1广义回归神经网络 193

13.4.2泛化回归神经网络 194

13.4.3概率神经网络 195

13.5 RBF神经网络MATLAB函数 196

13.5.1创建函数 196

13.5.2权函数 199

13.5.3输入函数 200

13.5.4传递函数 201

13.5.5 mse函数 201

13.5.6变换函数 202

第14章Simulink神经网络应用 204

14.1 Simulink神经网络仿真模型库 204

14.2 Simulink神经网络应用 208

第15章ART网络与CP网络算法分析与应用 213

15.1 ART-1型网络 213

15.1.1 ART-1型网络结构 213

15.1.2 ART-1网络学习过程 215

15.1.3 ART-1网络的应用 216

15.2 ART-2型网络 218

15.2.1网络结构与运行原理 219

15.2.2网络的数学模型与学习算法 220

15.2.3 ART-2型网络在系统辨识中的应用 222

15.3 CP神经网络概述 223

15.3.1 CP网络学习 224

15.3.2 CP网络应用 225

第16章Hopfield网络算法分析与实现 231

16.1 Hopfield神经网络 231

16.1.1离散型Hopfield网络 231

16.1.2 DHNN的动力学稳定性 234

16.1.3网络权值的学习 236

16.1.4联想记忆功能 239

16.2连续型Hopfield网络 240

16.3 Hopfield神经网络的应用 242

16.3.1 Hopfield神经网络函数 242

16.3.2 Hopfield神经网络的应用 245

第17章LVQ网络算法分析与应用 259

17.1 LVQ神经网络的结构 259

17.2 LVQ神经网络的学习算法 260

17.2.1 LVQ1算法 260

17.2.2 LVQ2算法 260

17.3 LVQ神经网络的特点 261

17.4 LVQ神经网络的MATLA B函数 262

17.5 LVQ神经网络的应用 264

第18章 自组织网络算法分析与实现 269

18.1竞争学习的概念 270

18.2竞争学习规则 271

18.3竞争学习原理 272

18.4竞争神经网络MATLAB实现 275

18.5竞争型神经网络存在的问题 279

第19章Elman网络算法分析与应用 280

19.1 Elman神经网络结构 280

19.2 Elman神经网络权值修正的学习算法 281

19.3 Elman网络稳定性推导 282

19.4对角递归网络稳定时学习速率的确定 283

19.5 Elman神经网络在数据预测中的应用 284

第20章BP网络工具箱函数及其应用 288

20.1创建函数 289

20.2传递函数 291

20.3学习函数 293

20.4训练函数 294

20.5性能函数 297

20.6 显示函数 298

第21章 神经网络在实际案例中的应用 300

21.1农作物虫情预测 300

21.1.1虫情预测原理 300

21.1.2网络实现 301

21.2人脸识别 304

21.2.1模型建立 305

21.2.2网络实现 306

第22章 神经网络工具箱函数分析与应用 310

22.1神经网络构建函数的分析与应用 310

22.2神经网络应用函数的分析与应用 324

第23章 线性神经网络算法分析与设计 330

23.1线性神经网络结构 330

23.2线性神经网络设计 331

23.3自适应滤波线性神经网络 333

23.4线性神经网络的局限性 335

23.5线性神经网络的MATLAB应用举例 336

第24章 神经网络工具箱函数及实例分析 342

24.1传递函数及其导函数 342

24.1.1传递函数 342

24.1.2传递函数的导函数 349

24.2距离函数 354

24.3权值函数及其导函数 356

24.3.1权值函数 357

24.3.2权值函数的导函数 358

24.4结构函数 359

24.5分析函数 361

24.6转换函数 362

24.7绘图函数 368

24.8数据预处理和后处理函数 375

第25章 神经网络的工程应用 383

25.1线性神经网络在线性预测中的应用 383

25.2神经模糊控制在洗衣机中的应用 385

25.2.1洗衣机的模糊控制 385

25.2.2洗衣机的神经网络模糊控制器的设计 387

25.3模糊神经网络在配送中心选址中的应用 391

25.4 Elman神经网络在信号检测中的应用 394

25.5神经网络在噪声抵消系统中的应用 397

25.5.1自适应噪声抵消原理 397

25.5.2噪声抵消系统的MATLAB仿真 399

第26章 神经网络算法分析与工具箱应用 402

26.1网络对象属性 404

26.1.1结构属性 404

26.1.2子对象结构属性 408

26.1.3函数属性 411

26.1.4权值和阈值 413

26.1.5参数属性 415

26.1.6其他属性 415

26.2子对象属性 416

26.2.1输入向量 416

26.2.2网络层 417

26.2.3输出向量 422

26.2.4阈值向量 422

26.2.5 输入权值向量 424

26.2.6目标向量 427

26.2.7网络层权值向量 428

第27章 自定义函数及其应用 432

27.1初始化函数 432

27.2学习函数 435

27.3仿真函数 440

27.3.1传递函数 440

27.3.2传递函数导数函数 443

27.3.3网络输入函数 444

27.3.4网络输入导函数 446

27.3.5权值函数 448

27.3.6权值导数函数 450

27.4自组织函数 452

27.4.1拓扑函数 452

27.4.2距离函数 454

参考文献 456