《MATLAB 6.5辅助神经网络分析与设计》PDF下载

  • 购买积分:12 如何计算积分?
  • 作  者:飞思科技产品研发中心编著
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2003
  • ISBN:7505381164
  • 页数:322 页
图书介绍:本书是在MATLAB 6.5的神经网络工具箱V4.0.2基础上编写的。全书共13章,首先简要介绍了神经网络的发展及基本理论,包括前向型神经网络、反馈神经网络、自组织与学习向量化神经网络和神经网络控制等方面的内容;接着对神经网络工具箱函数进行了介绍,在前向型神经网络设计、反馈神经网络设计、自组织与LVQ网络应用设计等方面列举了大量实例,并进行分析设计;最后对图形用户接口、SIMULINK、神经网络控制设计和定制网络等高级应用也举例进行了讲解。书中实例的源代码可至飞思在线http://www.fecit.com.cn下载。本书内容广泛、结构清晰、例证丰富,可供神经网络方面的教师、研究生、高年级本科生和广大科研人员做参考书用。

第1章 神经网络概述 1

1.1 MATLAB 6.5语言简介 1

1.1.1 MATLAB的产生背景及主要产品 1

1.1.2 MATLAB语言特点 3

1.1.3 MATLAB 6.5的新特点 4

1.2 神经网络发展史 6

1.3 神经网络模型 9

1.3.1 生物神经元模型 9

1.3.2 神经元模型 9

1.3.3 神经网络模型 11

1.4 人工神经网络的特性 11

第2章 神经网络工具箱函数及实例 13

2.1 神经网络工具箱概述 13

2.2.1 MATLAB 6.5中有关感知器的工具函数 14

2.2 感知器的神经网络工具函数 14

2.2.2 工具函数详解 15

2.3 BP网络的神经网络工具函数 21

2.3.1 MATLAB 6.5中有关BP网络的重要函数 21

2.3.2 工具函数详解 22

2.4 线性网络的神经网络工具函数 32

2.4.1 MATLAB 6.5中有关线性网络的工具函数 32

2.4.2 工具函数详解 33

2.5 自组织竞争网络工具箱函数 36

2.5.1 MATLAB 6.5中有关自组织网络的工具箱函数 36

2.5.2 工具函数详解 37

2.6 径向基网络神经网络工具箱函数 50

2.7 回归网络的神经网络工具箱函数 55

2.7.1 Hopfield神经网络的工具箱函数 55

2.7.2 Elman神经网络的工具箱函数 57

3.1.1 感知器模型 59

3.1 感知器网络 59

第3章 前向型神经网络理论及实例 59

3.1.2 感知器神经元网络的网络结构 61

3.1.3 感知器神经网络的初始化 62

3.1.4 感知器神经网络的学习规则 62

3.1.5 感知器神经网络的训练 63

3.1.6 感知器的局限性 63

3.1.7 多层感知器 64

3.2 BP网络 64

3.2.1 BP网络结构 65

3.2.2 BP算法的数学描述 66

3.2.3 BP网络中的神经元模型 68

3.2.4 BP网络的训练过程 68

3.2.5 BP算法的改进 69

3.3 线性神经网络 69

3.3.1 线性神经元模型 70

3.3.2 线性神经网络的模型 71

3.3.3 线性网络的初始化 71

3.3.4 线性网络的学习规则 71

3.3.5 线性网络的训练 72

3.4 径向基函数网络 72

3.4.1 径向基函数网络模型 73

3.4.2 基函数的形式 73

3.4.3 RBF学习过程 74

3.5 GMDH网络 74

第4章 前向型神经网络设计分析 77

4.1 引言 77

4.2 感知器神经网络设计 78

4.2.1 问题描述 78

4.2.2 网络初始化 79

4.2.3 网络训练 79

4.2.4 神经网络性能测试 80

4.2.5 结论及讨论 82

4.3 利用线性网络进行信号预测 86

4.3.1 问题描述 86

4.3.2 网络设计 87

4.3.3 测试网络 88

4.3.4 结论 90

4.4 自适应预测 90

4.4.1 问题描述 90

4.4.2 网络初始化 91

4.4.3 网络训练 92

4.4.4 网络性能测试 92

4.4.5 结论 94

4.5 线性系统辨识 94

4.5.1 问题描述 94

4.5.3 测试网络 96

4.5.2 建立网络 96

4.5.4 结论 98

4.6 自适应系统辨识 98

4.6.1 问题描述 98

4.6.2 网络的建立 100

4.6.3 网络训练 100

4.6.4 网络测试 100

4.6.5 结论 102

4.7 函数逼近 103

4.7.1 问题描述 103

4.7.2 网络建立 104

4.7.3 网络训练 105

4.7.4 网络测试 105

4.7.5 讨论 106

4.8.1 问题描述 107

4.8 胆固醇含量估计 107

4.8.2 建立网络 108

4.8.3 网络训练 108

4.8.4 分析及讨论 109

4.8.5 结论 113

4.9 特征识别 113

4.9.1 问题描述 113

4.9.2 神经元网络 114

4.9.3 系统性能评估 121

4.9.4 结论 126

4.10 径向基函数网络设计 126

4.10.1 问题描述 127

4.10.2 网络的建立 128

4.10.3 仿真网络 129

4.10.4 结论 131

第5章 反馈型神经网络理论及实例 133

5.1 Elman神经网络 134

5.2 Hopfield神经网络 134

5.2.1 Hopfield神经网络的演变过程 134

5.2.2 离散型Hopfield神经网络(DHNN) 135

5.2.3 连续型Hopfield神经网络 137

5.3 CG网络模型 140

5.4 盒中脑(BSB)模型 140

5.5 双向联想记忆(BAM) 141

5.6 同归BP网络 142

5.7 Boltzmann机网络 143

第6章 反馈型神经网络设计分析 145

6.1 引言 145

6.2 振幅检测 145

6.2.1 问题描述 146

6.2.3 网络训练 147

6.2.2 网络初始化 147

6.2.4 网络测试 149

6.2.5 网络的推广应用及完善 150

6.3 两神经元的Hopfield神经网络设计 151

6.3.1 问题描述 151

6.3.2 建立网络 152

6.3.3 网络的测试 153

6.4 三神经元的Hopfield神经网络设计 157

6.4.1 问题描述 157

6.4.2 建立网络 158

6.4.3 网络的测试 159

第7章 自组织与LVQ神经网络理论及实例 165

7.1 自组织竞争网络 165

7.1.1 自组织竞争网络的形成 165

7.1 3 两种联想学习规则 166

7.1.2 自组织竞争网络的基本思想 166

7.1.4 基本竞争型人工神经网络 167

7.2 自组织特征映射神经网络 169

7.2.1 自组织特征映射网络的结构 169

7.2.2 自组织特征映射的算法 169

7.2.3 自组织特征映射网络的学习及工作规则 170

7.3 自适应共振理论(ART) 173

7.4 CPN模型 175

第8章 自组织与LVQ神经网络应用设计分析 177

8.1 引言 177

8.2 自组织竞争网络在模式分类中的应用 178

8.2.1 问题描述 178

8.2.2 网络建立 179

8.2.3 网络训练 180

8.2.5 小结 181

8.2.4 网络测试与使用 181

8.3 二维自组织特征映射网络设计 183

8.3.1 问题描述 183

8.3.2 网络建立 184

8.3.3 网络训练 185

8.3.4 网络测试与应用 186

8.4 LVQ模式分类网络设计 187

8.4.1 问题描述 188

8.4.2 网络建立 188

8.4.3 网络训练 189

8.4.4 网络测试及使用 190

8.4.5 结论 190

第9章 神经控制器结构分析 193

9.1 NN学习控制 193

9.3 NN自适应控制 194

9.2 NN直接逆模型控制 194

9.3.1 NN自校正控制(STC) 195

9.3.2 NN模型参考自适应控制 196

9.4 NN内模控制 197

9.5 NN预测控制 197

9.6 NN自适应判断控制 198

9.7 基于CMAC的控制 199

9.8 多层NN控制 200

9.9 分级NN控制 202

第10章 神经网络控制理论及应用设计 205

10.1 模型预测控制理论 205

10.1.1 系统辨识 206

10.1.2 模型预测 206

10.2 模型预测控制实例分析 207

10.2.1 问题的描述 207

10.2.2 建立模型 208

10.2.3 系统辨识 210

10.2.4 系统仿真 213

10.3 反馈线性化控制理论 214

10.3.1 辨识NARMA-L2模型 214

10.3.2 NARMA-L2控制器 215

10.4 NARMA-L2(反馈线性化)控制实例分析 216

10.4.1 问题的描述 216

10.4.2 建立模型 217

10.4.3 系统辨识 218

10.4.4 系统仿真 220

10.5 模型参考控制理论 221

10.6 模型参考控制实例分析 222

10.6.1 问题的描述 222

10.6.2 模型的建立 223

10.6.3 系统辨识 224

10.7 总结 226

10.6.4 系统仿真 226

第11章 图形用户接口GUI 229

11.1 引言 229

11.2 建立网络 229

11.2.1 输入和目标 230

11.2.2 建立网络 232

11.3 训练网络 233

11.3.1 训练网络 234

11.3.2 仿真网络 235

11.4 将数据导出到命令行工作空间中 236

11.5 清除数据 237

11.6 从命令行工作空间中导入数据 237

11.7 变量存盘与读取 238

12.1.1 传递函数模块 241

12.1 模块的设置 241

第12章 SIMULINK 241

12.1.2 网络输入模块 242

12.1.3 权重模块 242

12.1.4 控制系统模块 243

12.2 模块的生成 243

第13章 高级话题 247

13.1 定制网络 247

13.1.1 定制网络 248

13.1.2 网络定义 248

13.1.3 网络行为 260

13.2 附加的工具箱函数 263

13.2.1 初始化函数 263

13.2.2 传递函数 264

13.2.3 学习函数 266

13.3 定制函数 272

13.3.1 仿真函数 273

13.3.2 初始化函数 286

13.3.3 学习函数 289

13.3.4 自组织映射函数 300

附录A MATLAB 6.5的其他新特性 305

A.1 SIMULINK 5.0的新特性 305

A.2 Math Works Release 13新产品 305

附录B MATLAB 6.5安装问题指南 309

B.1 MATLAB 6.5为什么安装后不能启动 309

B.2 安装时更新Java虚拟机的问题 311

B.3 PDF文档的获取 311

附录C MATLAB神经网络工具箱函数参考 313

C.1 工具箱函数 313

C.2 传递函数图形 320

参考文献 322