第一篇 神经网络理论及其MATLAB实现第1章 神经网络理论 3
1.1 神经网络的基本概念 4
1.1.1 生物神经元的结构与功能特点 4
1.1.2 人工神经元模型 5
1.1.3 神经网络的结构 7
1.1.4 神经网络的工作过程 8
1.1.5 神经网络的学习 8
1.1.6 神经网络的分类 11
1.2 典型神经网络的模型 11
1.2.1 MP模型 11
1.2.2 感知机神经网络 13
1.2.3 自适应线性神经网络 18
1.2.4 BP神经网络 20
1.2.5 径向基神经网络 29
1.2.6 竞争学习神经网络 33
1.2.7 学习向量量化神经网络 43
1.2.8 Elman神经网络 44
1.2.9 Hopfield神经网络 45
1.2.10 Boltzmann神经网络 60
1.3 神经网络的训练 63
小结 67
练习题1 67
第2章 MATLAB神经网络工具箱 68
2.1 MATLAB神经网络工具箱函数 68
2.1.1 神经网络工具箱中的通用函数 68
2.1.2 感知机神经网络MATLAB函数 71
2.1.3 线性神经网络MATLAB函数 84
2.1.4 BP神经网络MATLAB函数 91
2.1.5 径向基神经网络MATLAB函数 104
2.1.6 自组织神经网络MATLAB函数 110
2.1.7 学习向量量化神经网络MATLAB函数 126
2.1.8 Elman神经网络MATLAB函数 131
2.1.9 Hopfield神经网络MATLAB函数 134
2.1.10 Demos演示功能 140
2.2 MATLAB神经网络工具箱的图形用户界面 141
2.2.1 神经网络编辑器 141
2.2.2 神经网络拟合工具 151
2.3 基于Simulink的神经网络模块 155
2.3.1 模块的设置 155
2.3.2 模块的生成 156
2.4 神经网络在系统预测和故障诊断中的应用 159
2.4.1 系统输入／输出数据的处理 159
2.4.2 基于神经网络的系统预测 160
2.4.3 基于神经网络的故障诊断 173
小结 181
练习题2 181
第3章 神经网络控制系统 182
3.1 神经网络控制理论 182
3.1.1 神经控制的基本原理 182
3.1.2 神经网络在控制中的主要作用 183
3.1.3 神经网络控制系统的分类 184
3.2 基于Simulink的三种典型的神经网络控制系统 194
3.2.1 神经网络模型预测控制 194
3.2.2 反馈线性化控制 200
3.2.3 模型参考控制 203
小结 207
练习题3 207
第二篇 模糊逻辑理论及其MATLAB实现第4章 模糊逻辑理论 211
4.1 模糊逻辑理论的基本概念 211
4.1.1 模糊集合及其运算 211
4.1.2 模糊关系及其合成 218
4.1.3 模糊向量及其运算 220
4.1.4 模糊逻辑规则 221
4.1.5 模糊逻辑推理 223
4.2 模糊逻辑控制系统的基本结构 230
4.2.1 模糊控制系统的组成 230
4.2.2 模糊控制器的基本结构 231
4.2.3 模糊控制器的维数 231
4.2.4 模糊控制中的几个基本运算操作 232
4.3 模糊逻辑控制系统的基本原理 232
4.3.1 模糊化运算 232
4.3.2 数据库 233
4.3.3 规则库 236
4.3.4 模糊推理 238
4.3.5 清晰化计算 240
4.4 离散论域的模糊控制系统的设计 241
4.5 具有PID功能的模糊控制器 246
小结 247
练习题4 247
第5章 MATLAB模糊逻辑工具箱 249
5.1 MATLAB模糊逻辑工具箱简介 249
5.1.1 模糊逻辑工具箱的功能特点 249
5.1.2 模糊推理系统的基本类型 250
5.1.3 模糊逻辑系统的构成 251
5.2 利用MATLAB模糊逻辑工具箱建立模糊推理系统 251
5.2.1 模糊推理系统的管理函数 251
5.2.2 模糊语言变量及其语言值 255
5.2.3 模糊语言变量的隶属度函数 256
5.2.4 模糊规则的建立与修改 264
5.2.5 模糊推理计算与去模糊化 268
5.2.6 模糊推理在控制系统中的应用 270
5.3 MATLAB模糊逻辑工具箱的图形用户界面 276
5.3.1 模糊推理系统编辑器（Fuzzy） 276
5.3.2 隶属度函数编辑器（Mfedit） 278
5.3.3 模糊规则编辑器（Ruleedit） 278
5.3.4 模糊规则浏览器（Ruleview） 279
5.3.5 模糊推理输入／输出曲面浏览器（Surfview） 279
5.4 基于Simulink的模糊逻辑的系统模块 281
小结 285
练习题5 285
第6章 模糊神经和模糊聚类及其MATLAB实现 286
6.1 基于Mamdani模型的模糊神经网络 286
6.1.1 模糊系统的Mamdani模型 286
6.1.2 系统结构 288
6.1.3 学习算法 289
6.2 基于Takagi-Sugeno模型的模糊神经网络 291
6.2.1 模糊系统的Takagi-Sugeno模型 291
6.2.2 系统结构 292
6.2.3 学习算法 294
6.3 自适应神经模糊系统及其MATLAB实现 296
6.3.1 采用网格分割方式生成模糊推理系统 296
6.3.2 自适应神经模糊系统的建模 297
6.3.3 自适应神经模糊推理系统在建模中的应用 299
6.3.4 自适应神经模糊推理系统的图形界面编辑器 303
6.4 模糊聚类及其MATLAB实现 309
6.4.1 模糊C-均值聚类函数 309
6.4.2 模糊减法聚类函数 310
6.4.3 基于减法聚类的模糊推理系统建模函数 312
6.4.4 模糊C-均值和减法聚类的图形用户界面 314
小结 316
练习题6 317
附录A MATLAB程序清单 318
附录B MATLAB函数一览表 325
附录C MATLAB函数分类索引 331
参考文献 333