第1章 概述 1
1.1 神经网络基础知识 1
1.1.1 神经网络发展史 2
1.1.2 神经网络模型 3
1.1.3 神经网络的应用 8
1.2 MATLAB语言及入门 8
1.2.1 MATLAB概述 8
1.2.2 MATLAB语言特点 10
1.2.3 MATLAB快速入门 12
1.3 MATLAB神经网络工具箱 22
1.4 小结 24
第2章 神经网络工具箱函数及实例 25
2.1 神经网络工具箱中的通用函数 25
2.1.1 神经网络仿真函数sim&. 26
2.1.2 神经网络训练及学习函数 27
2.1.3 神经网络初始化函数 30
2.1.4 神经网络输入函数 32
2.1.5 神经网络传递函数 33
2.1.6 其他重要函数 35
2.2 感知器的神经网络工具箱函数 35
2.2.1 感知器创建函数 36
2.2.2 显示函数 36
2.2.3 性能函数 37
2.3 线性网络的神经网络工具箱函数 42
2.3.1 线性网络创建和设计函数 42
2.3.2 学习函数 43
2.4 BP网络的神经网络工具箱函数 46
2.4.1 BP网络创建函数 47
2.4.2 神经元上的传递函数 48
2.4.3 BP网络学习函数 51
2.4.4 BP网络训练函数 52
2.4.5 性能函数 54
2.4.6 显示函数 55
2.5 反馈网络的神经网络工具箱函数 61
2.5.1 动态网络的创建函数 62
2.5.2 Hopfield网络的工具箱函数 64
2.5.3 Elman网络的工具箱函数 66
2.6 径向基网络的神经网络工具箱函数 67
2.6.1 神经网络创建函数 68
2.6.2 转换函数 69
2.6.3 传递函数 69
2.7 自组织竞争网络的神经网络工具箱函数 72
2.7.1 神经网络创建函数 73
2.7.2 传递函数 74
2.7.3 距离函数 76
2.7.4 学习函数 78
2.7.5 初始化函数 79
2.7.6 权值函数 80
2.7.7 显示函数 80
2.7.8 结构函数 81
2.8 小结 87
第3章 前向型神经网络理论及MATLAB实现 89
3.1 感知器网络及MATLAB实现 89
3.1.1 单层感知器网络 90
3.1.2 多层感知器 96
3.2 线性神经网络及MATLAB实现 100
3.2.1 线性神经网络的结构 100
3.2.2 线性神经网络的学习 101
3.2.3 线性网络的MATLAB仿真 101
3.3 BP网络及MATLAB实现 108
3.3.1 BP网络理论 108
3.3.2 BP网络的MATLAB设计 113
3.4 径向基函数网络及MATLAB实现 117
3.4.1 径向基网络结构 117
3.4.2 径向基函数的学习过程 118
3.4.3 RBF网络应用实例 120
3.4.4 基于RBF网络的非线性滤波 122
3.4.5 基于GRNN的函数逼近 124
3.4.6 基于概率神经网络的分类 126
3.5 GMDH网络及MATLAB实现 128
3.5.1 GMDH网络理论 128
3.5.2 GMDH网络的训练 129
3.5.3 基于GMDH网络的预测 130
3.6 小结 131
第4章 反馈型神经网络理论及MATLAB实现 133
4.1 反馈网络的概念 133
4.2 Elman神经网络及应用 136
4.2.1 Elman神经网络结构 136
4.2.2 Elman神经网络的学习过程 136
4.2.3 Elman神经网络的工程应用 137
4.2.4 基于Elman网络的空调负荷预测 141
4.3 Hopfield神经网络及MATLAB实现 145
4.3.1 Hopfield网络描述 145
4.3.2 Hopfield网络的学习过程 146
4.3.3 几个重要结论 147
4.3.4 Hopfield网络的MATLAB开发 147
4.3.5 基于Hopfield网络的数字识别 150
4.4 CG网络模型及应用 152
4.4.1 CG神经网络理论 152
4.4.2 基于CG网络的有限元分析 153
4.5 盒中脑（BSB）模型及MATLAB实现 153
4.5.1 BSB神经网络模型描述 153
4.5.2 BSB的MATLAB实现 154
4.6 双向联想记忆（BAM）及MATLAB实现 156
4.6.1 Kosko型BAM网络模型 156
4.6.2 BAM网络的实例分析 157
4.7 回归BP网络及应用 159
4.7.1 回归BP网络概述 159
4.7.2 基于回归BP网络的房价预测 160
4.8 Boltzmann机网络及仿真 161
4.8.1 BM网络的基本结构 161
4.8.2 BM模型的工作规则和学习规则 161
4.8.3 BM网络的MATLAB仿真 165
4.9 小结 167
第5章 自组织与LVQ神经网络理论及MATLAB实现 169
5.1 自组织竞争网络及MATLAB实现 169
5.1.1 基本竞争型神经网络概述 169
5.1.2 自组织竞争网络的应用 173
5.2 自组织特征映射（SOM）神经网络及MATLAB实现 175
5.2.1 SOM网络的结构 176
5.2.2 SOM网络学习算法 177
5.2.3 基于SOM网络的土壤分类 178
5.2.4 基于SOM网络的人口分类 180
5.3 自适应共振理论模型（ART）及MATLAB实现 185
5.3.1 ART-1型网络模型描述 185
5.3.2 ART-1网络的学习及工作过程 186
5.3.3 ART-1网络的应用实例 187
5.4 学习矢量量化（LVQ）神经网络及MATLAB实现 190
5.4.1 LVQ网络的结构 190
5.4.2 LVQ网络的学习规则 191
5.4.3 基于LVQ网络的模式识别 192
5.5 对向传播网络（CPN）及MATLAB实现 196
5.5.1 CPN概述 196
5.5.2 CPN应用实例 199
5.6 小结 204
第6章 图形用户接口GUI 205
6.1 概述 205
6.2 网络设计 206
6.3 网络训练与仿真 207
6.4 数据操作 210
6.4.1 工作空间到GUI的数据导入 210
6.4.2 GUI到工作空间的数据导出 211
6.4.3 数据的存储和读取 212
6.4.4 数据删除 214
6.5 神经网络拟合工具箱的图形界面 214
6.6 小结 217
第7章 神经网络控制理论及应用设计 219
7.1 神经网络控制结构 219
7.1.1 神经网络监督控制 219
7.1.2 神经网络直接逆控制 221
7.1.3 NN自适应控制 221
7.1.4 神经网络内模控制 222
7.1.5 神经网络预测控制 223
7.1.6 神经网络自适应评判控制 223
7.2 反馈线性化控制及MATLAB实现 225
7.2.1 基于神经网络的反馈线性化控制原理 225
7.2.2 反馈线性化控制实例 226
7.3 基于Simulink的神经网络控制 230
7.3.1 基于神经网络的MPC原理 230
7.3.2 模型预测控制实例 231
7.4 小结 237
第8章 基于神经网络的故障诊断 239
8.1 神经网络与故障模式识别 240
8.1.1 常用的模式识别方法 240
8.1.2 神经网络在故障模式识别中应用 240
8.2 基于BP网络和Elman网络的齿轮箱故障诊断 242
8.2.1 工程描述 242
8.2.2 输入和目标向量设计 242
8.2.3 BP网络设计 243
8.2.4 Elman网络设计 246
8.3 基于SOM网络的回热系统故障诊断 248
8.3.1 背景 248
8.3.2 SOM网络设计 249
8.4 基于概率神经网络的故障诊断 251
8.4.1 概述 251
8.4.2 基于PNN的故障诊断 251
8.4.3 结论 254
8.5 基于BP网络的设备状态分类器设计 254
8.5.1 BP网络设计 254
8.5.2 网络训练 256
8.5.3 网络测试与应用 257
8.6 基于RBF网络的船用柴油机故障诊断 258
8.6.1 问题描述 258
8.6.2 涡轮增压系统的故障诊断 259
8.6.3 网络设计 261
8.7 RBF神经网络在旋转机械故障诊断中的应用 263
8.7.1 问题概述 263
8.7.2 RBF神经网络设计 264
8.8 小结 267
第9章 基于神经网络的预测 269
9.1 引言 269
9.2 基于神经网络的预测原理 270
9.2.1 正向建模 270
9.2.2 逆向建模 270
9.3 电力系统负荷预报的MATLAB实现 271
9.3.1 问题描述 272
9.3.2 输入／输出向量设计 272
9.3.3 BP网络设计 273
9.3.4 网络训练 274
9.4 河道浅滩演变预测的MATLAB实现 276
9.4.1 基于BP网络的演变预测 276
9.4.2 基于RBF网络的演变预测 282
9.4.3 结论 283
9.5 地震预报的MATLAB实现 283
9.5.1 概述 284
9.5.2 BP网络设计 284
9.5.3 BP网络训练与测试 285
9.5.4 地震预测的竞争网络模型 289
9.6 交通运输能力预测的MATLAB实现 291
9.6.1 背景概述 292
9.6.2 网络创建与训练 292
9.6.3 结论与分析 296
9.7 股市预测的MATLAB实现 298
9.7.1 股市概述 299
9.7.2 网络训练与测试 300
9.8 财务失败预测的MATLAB实现 301
9.8.1 问题描述 302
9.8.2 样本的收集和处理 302
9.9 农作物虫情预测的MATLAB实现 304
9.9.1 基于神经网络的虫情预测原理 305
9.9.2 BP网络设计 305
9.10 用水量预测的MATLAB实现 308
9.10.1 问题概述 309
9.10.2 RBF网络设计 309
9.11 小结 311
第10章 基于神经网络的模糊控制 313
10.1 引言 313
10.2 神经网络模糊控制的结构和特征 313
10.2.1 神经网络模糊控制器的结构 314
10.2.2 神经网络模糊控制器的特征 314
10.2.3 神经网络模糊控制器的应用实例 316
10.3 基于MATLAB的神经模糊控制洗衣机仿真 319
10.3.1 洗衣机的模糊控制 319
10.3.2 洗衣机的神经网络模糊控制器的设计 321
10.4 模糊神经网络在配送中心选址中的应用 324
10.4.1 问题描述 325
10.4.2 网络设计 325
10.5 小结 328
第11章 基于神经网络的自适应噪声抵消技术 329
11.1 引言 329
11.2 自适应噪声抵消实现原理 330
11.2.1 自适应滤波器 330
11.2.2 自适应噪声抵消系统基本原理 330
11.3 噪声抵消系统的MATLAB仿真 332
11.3.1 BP网络模型建立 332
11.3.2 基于神经网络工具箱的BP网络学习和训练 332
11.3.3 基于Simulink的噪声抵消系统设计及动态仿真 334
11.4 小结 336
参考文献 337