第1章 MATLAB基础 1
1.1 MATLAB的历史 1
1.1.1 MATLAB的产生 1
1.1.2 MATLAB的发展和应用 1
1.2 MATLAB简介 2
1.2.1 MATLAB语言特点 2
1.2.2 MATLAB 7的安装 4
1.2.3 MATLAB常用函数及工具箱介绍 5
1.2.4 Simulink使用介绍 7
1.3 MATLAB快速入门 11
1.3.1 命令行窗口 12
1.3.2 其他重要窗口 15
1.3.3 Editor/Debugger窗口 16
1.3.4 MATLAB帮助系统 17
1.3.5 神经网络工具箱快速入门 17
1.4 习题 17
1.5 上机实验 18
第2章 人工神经网络基础 19
2.1 人工神经网络的发展史 19
2.1.1 初期阶段 20
2.1.2 停滞期 22
2.1.3 黄金时期 23
2.1.4 发展展望 25
2.2 生物神经元模型 28
2.3 人工神经网络 29
2.3.1 神经网络的特性 29
2.3.2 人工神经元模型 30
2.4 神经网络常用的激励函数 31
2.5 神经网络的分类 34
2.6 神经网络的学习方式 36
2.7 神经网络的应用领域 38
2.8 习题 39
第3章 MATLAB神经网络工具箱中的网络对象及其属性 40
3.1 MATLAB神经网络工具箱中的网络对象 40
3.2 MATLAB神经网络工具箱中的网络对象属性 40
3.3 MATLAB神经网络工具箱中的网络子对象属性 44
3.4 习题 48
3.5 上机实验 48
第4章 神经网络工具箱函数 49
4.1 概述 49
4.2 神经网络工具箱中的通用函数 49
4.2.1 神经网络仿真函数 49
4.2.2 神经网络训练及学习函数 50
4.2.3 神经网络初始化函数 51
4.2.4 神经网络输入函数 51
4.2.5 神经网络传递函数 52
4.3 感知器神经网络工具箱函数 52
4.3.1 感知器神经网络创建函数 52
4.3.2 感知器神经网络显示函数 53
4.3.3 感知器神经网络性能函数 53
4.4 BP神经网络工具箱函数 53
4.4.1 BP神经网络创建函数 53
4.4.2 BP神经网络传递函数 54
4.4.3 BP神经网络学习函数 55
4.4.4 BP神经网络训练函数 55
4.4.5 BP神经网络性能函数 56
4.4.6 BP神经网络显示函数 56
4.5 线性神经网络工具箱函数 57
4.5.1 线性神经网络创建函数和设计函数 57
4.5.2 学习函数 57
4.6 自组织竞争神经网络工具箱函数 58
4.6.1 自组织竞争神经网络创建函数 58
4.6.2 自组织竞争神经网络传递函数 59
4.6.3 自组织竞争神经网络距离函数 59
4.6.4 自组织竞争神经网络学习函数 60
4.6.5 自组织竞争神经网络初始化函数 61
4.6.6 自组织竞争神经网络权值函数 61
4.6.7 自组织竞争神经网络显示函数 61
4.6.8 自组织竞争神经网络结构函数 61
4.7 径向基神经网络工具箱函数 62
4.7.1 径向基神经网络创建函数 62
4.7.2 径向基神经网络转换函数 63
4.7.3 径向基神经网络传递函数 63
4.8 反馈神经网络工具箱函数 63
4.8.1 Hopfield网络的工具箱函数 63
4.8.2 Elman网络的工具箱函数 64
4.9 习题 65
4.10 上机实验 65
第5章 感知器 66
5.1 感知器神经网络原理及模型 66
5.2 感知器的学习 67
5.3 感知器的局限性 68
5.4 感知器神经网络设计实例 68
5.4.1 单层感知器神经网络设计 68
5.4.2 多层感知器神经网络设计 69
5.5 感知器的MATLAB实现 69
5.6 习题 74
5.7 上机实验 74
第6章 线性神经网络 75
6.1 线性神经网络模型 75
6.2 线性神经网络的学习 76
6.3 线性神经网络设计 77
6.3.1 线性神经网络设计的基本方法 77
6.3.2 线性神经网络设计实例 77
6.4 习题 82
6.5 上机实验 82
第7章 BP网络 83
7.1 BP神经元及BP网络模型 83
7.2 BP网络的学习 84
7.2.1 BP网络学习算法 84
7.2.2 BP网络学习算法的比较 87
7.3 BP网络的局限性及改进方法 88
7.3.1 BP网络的局限性 88
7.3.2 BP网络的改进方法 89
7.4 BP网络设计 90
7.4.1 BP网络设计的基本方法 90
7.4.2 BP网络设计实例 91
7.5 习题 97
7.6 上机实验 97
第8章 径向基网络 98
8.1 径向基网络模型 98
8.2 径向基网络的学习 100
8.3 其他径向基网络 101
8.4 径向基网络设计 103
8.4.1 径向基网络设计的基本方法 103
8.4.2 径向基网络设计实例 104
8.5 习题 111
8.6 上机实验 111
第9章 竞争型神经网络 112
9.1 竞争型神经网络模型 112
9.2 竞争型神经网络的学习 113
9.3 竞争型神经网络存在的问题 115
9.4 竞争型神经网络设计 116
9.4.1 竞争型神经网络设计的基本方法 116
9.4.2 竞争型神经网络设计实例 116
9.5 习题 118
9.6 上机实验 119
第10章 自组织映射与学习向量量化神经网络 120
10.1 自组织映射神经网络 120
10.1.1 SOM神经网络模型 121
10.1.2 SOM神经网络的学习 121
10.2 SOM神经网络设计实例 123
10.3 学习向量量化神经网络 129
10.3.1 LVQ神经网络模型 130
10.3.2 LVQ神经网络的学习 130
10.3.3 LVQ学习算法的改进 131
10.4 LVQ神经网络设计实例 132
10.5 习题 135
10.6 上机实验 135
第11章 反馈型神经网络 136
11.1 反馈型神经网络的理论基础 136
11.2 Elman神经网络 137
11.2.1 Elman神经网络模型 137
11.2.2 Elman神经网络的学习 138
11.3 Hopfield神经网络 139
11.3.1 Hopfield神经网络模型 139
11.3.2 Hopfield神经网络的学习 142
11.4 反馈神经网络设计 142
11.4.1 Elman神经网络设计实例 142
11.4.2 Hopfield神经网络设计实例 147
11.5 习题 152
11.6 上机实验 152
第12章 遗传神经网络 153
12.1 遗传算法的概念 153
12.1.1 遗传算法的定义及特点 153
12.1.2 遗传操作 154
12.2 遗传算法优化神经网络 160
12.2.1 遗传算法编码 160
12.2.2 遗传操作 162
12.2.3 适应度函数 162
12.3 遗传神经网络设计 163
12.3.1 遗传神经网络设计的基本方法 163
12.3.2 遗传神经网络设计实例 163
12.4 习题 173
12.5 上机实验 173
第13章 模糊神经网络 174
13.1 传统控制与模糊控制 174
13.2 模糊神经网络的基本知识 174
13.2.1 模糊神经网络的主要形式 174
13.2.2 模糊神经网络的模型 175
13.2.3 模糊神经网络的分类 178
13.2.4 模糊神经网络的学习方法 179
13.3 FNN对非线性多变量系统的解耦方法 179
13.3.1 FNN解耦的基本模型 180
13.3.2 FNN解耦的算法 181
13.4 FNN解耦算法的MATLAB仿真 182
13.5 习题 191
13.6 上机实验 192
第14章 小波神经网络 193
14.1 小波变换 193
14.2 多尺度分析 195
14.3 小波包变换 198
14.4 小波分析在信号处理中的应用 199
14.4.1 信号奇异点检测仿真 199
14.4.2 信号降噪仿真 201
14.5 小波神经网络的基本结构及学习算法 203
14.5.1 小波神经网络的基本结构 203
14.5.2 小波神经网络的学习算法 204
14.6 小波神经网络的MATLAB仿真 205
14.6.1 小波神经网络结构设计 205
14.6.2 小波神经网络设计实例 206
14.7 习题 208
14.8 上机实验 208
第15章 图形用户界面 209
15.1 图形用户界面简介 209
15.2 神经网络设计 209
15.3 神经网络训练与仿真 214
15.3.1 神经网络训练 214
15.3.2 神经网络仿真 215
15.4 数据操作 217
15.4.1 GUI到工作空间的数据导入 217
15.4.2 工作空间到GUI的数据导入 218
15.4.3 数据的存储和读取 220
15.5 习题 221
15.6 上机实验 221
第16章 Simulink神经网络 222
16.1 Simulink仿真模型库简介 222
16.2 Simulink神经网络仿真模型库简介 224
16.3 Simulink应用设计 227
16.4 习题 237
16.5 上机实验 237
第17章 神经网络控制理论及应用 238
17.1 神经网络控制结构 238
17.1.1 神经网络监督控制 238
17.1.2 神经网络直接逆控制 239
17.1.3 神经网络自适应控制 239
17.1.4 神经网络内模控制 240
17.1.5 神经网络预测控制 240
17.1.6 神经网络自适应评判控制 241
17.2 反馈线性化控制及其MATLAB实现 241
17.2.1 反馈线性化控制原理 241
17.2.2 反馈线性化控制实例 243
17.3 神经网络模型预测控制 247
17.3.1 神经网络模型预测控制原理 247
17.3.2 神经网络模型预测控制实例分析 248
17.4 习题 252
17.5 上机实验 252
第18章 神经网络故障诊断 253
18.1 神经网络与故障模式识别 253
18.1.1 常用的模式识别方法 254
18.1.2 神经网络在故障模式识别中的应用 254
18.2 基于BP网络的设备状态分类器设计 255
18.2.1 BP网络输入输出设计 255
18.2.2 网络训练 256
18.2.3 网络测试 257
18.3 船舶柴油机涡轮增压系统神经网络故障诊断 258
18.3.1 船舶柴油机涡轮增压系统故障分析 258
18.3.2 神经网络的训练及测试 259
18.4 基于概率径向基神经网络的柴油机燃油系统故障诊断 262
18.4.1 柴油机燃油系统故障分析 262
18.4.2 基于概率径向基神经网络的训练 264
18.4.3 基于概率径向基神经网络的故障诊断 265
18.5 习题 266
18.6 上机实验 266
第19章 神经网络预测 267
19.1 神经网络预测原理 267
19.1.1 正向建模 267
19.1.2 逆向建模 268
19.2 股市预测 268
19.2.1 问题描述 268
19.2.2 基于BP神经网络的股市预测 269
19.2.3 基于RBF的网络股市预测 273
19.3 目标轨迹预测 278
19.3.1 问题描述 278
19.3.2 BP神经网络的训练及测试 278
19.4 神经网络在摄像机标定中的应用 281
19.4.1 摄像机标定原理 281
19.4.2 神经网络摄像机标定模型 282
19.4.3 神经网络摄像机标定 282
19.5 习题 285
19.6 上机实验 285
第20章 神经网络非线性系统辨识 286
20.1 神经网络辨识原理 286
20.1.1 非线性系统描述 286
20.1.2 多层神经网络模型 287
20.1.3 用神经网络辨识非线性模型 287
20.2 神经网络辨识问题的步骤 288
20.3 递归T-S模糊神经网络系统辨识研究 289
20.3.1 递归T-S模糊神经网络的结构及算法 289
20.3.2 递归T-S模糊神经网络的学习算法 290
20.3.3 仿真实例 291
20.4 习题 295
20.5 上机实验 296
参考文献 297