第一章 概论 1
1.1 MATLAB软件包的特征 1
1.1.1 MATLAB语言(软件包)的发展过程 1
1.1.2 MATLAB的功能 2
1.1.3 MATLAB的工具箱 2
1.2 MATLAB的系统需求和安装 3
1.2.1 MATLAB的系统需求 3
1.2.2 MATLAB的安装 4
1.3 神经网络发展和应用 7
1.3.1 人工神经网络发展的历史回顾 7
1.3.3 神经网络的学习方法 9
1.3.2 神经网络的应用 9
1.4 面向MATLAB工具箱的神经网络设计概述 11
1.4.1 MATLAB神经网络工具箱 11
1.4.2 神经网络技术的选取 12
1.4.3 运用工具箱设计网络的原则和过程 12
1.5 本书的基本结构和内容概要 13
第二章 MATLAB数值计算功能 15
2.1 矩阵与数组运算 15
2.1.1 矩阵的建立 15
2.1.2 矩阵和数组运算指令对照汇总 18
2.2 矩阵与数组函数 21
2.2.1 基本数组函数 21
2.2.2 基本矩阵函数 22
2.2.3 几个易混淆的两种函数运算 24
2.3 关系运算和逻辑运算 25
2.3.1 关系运算 26
2.3.2 逻辑运算 26
2.4 矩阵的分解 28
2.4.1 三角分解 28
2.4.2 正交分解 29
2.4.3 特征值分解 29
2.4.4 奇异值分解 30
2.5.1 多项式的表达和创建 31
2.5.2 多项式的运算 31
2.5 多项式 31
2.6 数据分析 33
2.6.1 基本统计函数指令 33
2.6.2 协方差阵和相关阵 34
2.6.3 有限差分和导数 34
2.6.4 数据滤波 37
2.7 数值分析 37
2.7.1 数值积分 37
2.7.2 微分方程的数值解 39
第三章 MATLAB符号处理 41
3.1 字符串 43
3.1.2 字符的ASCII码转换 44
3.1.1 字符数组 44
3.1.3 创建二维的字符数组 45
3.1.4 字符串中的单元数组 45
3.1.5 字符数组与单元数组间的转换 45
3.1.6 字符串比较 46
3.1.7 判断字符串是否相等 46
3.1.8 通过字符的运算来比较字符 47
3.1.9 字符串中字符的分类 47
3.1.10 查找与替换 48
3.1.11 字符串和数值的相互转换 48
3.2.1 符号矩阵的创建 49
3.2 符号矩阵的运算 49
3.2.2 符号矩阵的加、减、乘和除运算 50
3.2.3 符号矩阵的逆和除运算 51
3.2.4 符号矩阵的幂运算 51
3.2.5 符号矩阵的综合运算指令 52
3.2.6 符号变量替换 52
3.2.7 符号矩阵的分解 53
3.2.8 符号微积分 54
3.2.9 符号代数方程的求解 55
3.2.10 符号微分方程的求解 56
4.1 二维绘图 58
4.1.1 plot 58
第四章 绘图 58
4.1.2 figure和subplot 60
4.1.3 绘图指令的开关控制 62
4.1.4 标题与坐标轴的操作 65
4.2 三维绘图 68
4.2.1 mesh 68
4.2.2 3D图形的颜色、光线来源及图上标点的设定 70
4.2.3 透视与视角的设置 72
4.3 图形句柄 74
4.3.1 图形对象 74
4.3.2 图形对象的句柄 75
4.3.3 对象创建函数 76
4.3.4 对象品性及其设置和查询 85
4.3.5 实时动画的制作 85
第五章MATLAB的程序设计 88
5.1 MATLAB程序设计入门 88
5.1.1 编辑程序和m文件的形式 88
5.1.2 MATLAB的命令文件 89
5.1.3 MATLAB的函数文件 90
5.2 参数与变量 91
5.2.1 参数 91
5.2.2 局部变量与全局变量 94
5.3 数据类型 96
5.4.1 顺序结构 97
5.4 程序结构 97
5.4.2 循环结构 98
5.4.3 分支结构 99
5.5 程序流控制语句 102
5.5.1 echo指令 102
5.5.2 input,yesinput指令 103
5.5.3 pause指令 103
5.5.4 keyboard指令 104
5.5.5 break指令 104
5.6 函数调用及变量传递 104
5.6.1 函数调用 104
5.6.2 参数传递 106
5.7.1 带有偏差单元的递归神经网络 107
5.7 神经网络应用设计举例 107
5.7.2 具有快速学习算法的补偿模糊神经网络 118
第六章 感知器 132
6.1 感知器的原理 132
6.1.1 感知器神经元模型 132
6.1.2 感知器神经元网络的网络结构 133
6.1.3 感知器神经网络的初始化 134
6.1.4 感知器神经网络的学习规则 135
6.1.5 感知器神经网络的训练 135
6.1.6 感知器的局限性 135
6.2.1 MATLAB中有关感知器的工具函数 136
6.1.7 多层感知器 136
6.2 有关感知器的神经网络工具函数 136
6.2.2 工具函数详解 137
6.3 感知器网络设计实例 157
6.3.1 简单的分类问题 157
6.3.2 多个感知器神经元的分类问题 160
6.3.3 输入奇异样本对网络训练的影响 162
6.3.4 标准化感知器学习规则 165
6.3.5 线性不可分的输入向量 166
7.1 线性神经网络原理 169
7.1.1 线性神经元模型 169
第七章 线性神经网络 169
7.1.2 线性神经网络的模型 170
7.1.3 线性网络的初始化 170
7.1.4 线性网络的学习规则 171
7.1.5 线性网络的训练 171
7.2 有关线性网络的神经网络工具函数 172
7.2.1 MATLAB中有关线性网络的工具函数 172
7.2.2 工具函数详解 172
7.3 线性网络设计及应用举例 179
7.3.1 线性网络设计实例 179
7.3.2 线性网络应用实例 194
8.1.1 BP网络结构 207
8.1 BP网络 207
第八章 BP网络 207
8.1.2 BP网络学习公式推导 208
8.2 MATLAB神经网络工具箱中的BP网络 212
8.2.1 BP网络中的神经元模型 212
8.2.2 BP网络结构 212
8.2.3 MATLAB中有关BP网络的重要函数 213
8.3 BP网络的应用设计 225
8.3.1 BP网络的训练过程 225
8.3.2 BP网络的设计分析 231
8.4 BP算法的改进及其设计实例 232
9.1 引言 244
第九章 径向基函数网络 244
9.2 径向基函数神经网络 245
9.3 径向基函数神经网络的工具箱函数 246
9.3.1 网络设计函数 246
9.3.2 权函数 249
9.3.3 网络输入函数 250
9.3.4 radbas(径向基)传递函数 252
9.3.5 mse均方误差性能函数 252
9.3.6 变换函数 253
9.4 径向基函数网络的设计与应用 254
9.4.1 径向基函数网络的设计及在函数逼近上的应用 254
9.4.2 径向基函数网络与模糊理论的结合及应用 260
第十章 自组织竞争人工神经网络 271
10.1 两种联想学习规则 271
10.1.1 Instar学习规则 271
10.1.2 Outstar学习规则 272
10.2 基本竞争型人工神经网络 273
10.3 自组织特征映射神经网络 274
10.3.1 自组织特征映射网络的结构 274
10.3.2 自组织映射网络的学习及工作规则 275
10.4 自组织竞争人工神经网络工具箱函数 278
10.5 网络设计实例 295
10.5.1 竞争学习网络设计实例 295
10.5.2 一维空间自组织特征映射网络设计实例 299
第十一章 回归网络 302
11.1 引言 302
11.2 回归网络 303
11.2.1 Hopfield网络 304
11.2.2 Elman神经网络 309
11.3 回归网络的工具箱函数 309
11.3.1 Hopfield网络的工具箱函数 310
11.3.2 Elman网络的工具箱函数 311
11.4 应用举例 312
附录A MATLAB(5.1版)神经网络工具箱函数 329
附录B MATLAB(5.2版)神经网络工具箱函数 331