目录 1
第1章 概述 1
1.1 MATLAB语言简介 1
1.1.1 MATLAB概述 1
1.1.2 MATLAB语言特点 3
1.1.3 MATLAB 7的安装 5
1.1.4 MATLAB 7的新特点 5
1.1.5 MATLAB 7的新产品及更新产品 6
1.1.6 Simulink 6.0的新特点 9
1.2 MATLAB快速入门 10
1.2.1 命令行窗口 10
1.2.2 其他重要窗口 13
1.2.3 Editor/Debugger窗口 15
1.2.4 MATLAB帮助系统 16
1.2.5 神经网络工具箱快速入门 17
1.3 神经网络发展史 18
1.3.1 初期阶段 18
1.3.2 停滞期 19
1.3.3 黄金时期 19
1.3.4 发展展望 20
1.4 神经网络模型 20
1.4.1 神经元结构模型 20
1.4.2 神经网络的互连模式 21
1.5 神经网络的特性及实现 23
1.6 小结 23
第2章 神经网络工具箱函数及实例 25
2.1 概述 25
2.2 神经网络工具箱中的通用函数 26
2.2.1 神经网络仿真函数sim 27
2.2.2 神经网络训练及学习函数 28
2.2.3 神经网络初始化函数 31
2.2.4 神经网络输入函数 33
2.2.5 神经网络传递函数 34
2.2.6 其他重要函数 36
2.3 感知器的神经网络工具箱函数 36
2.3.1 感知器创建函数 37
2.3.2 显示函数 37
2.3.3 性能函数 38
2.4 BP网络的神经网络工具箱函数 44
2.4.1 BP网络创建函数 44
2.4.2 神经元上的传递函数 45
2.4.3 BP网络学习函数 49
2.4.4 BP网络训练函数 50
2.4.5 性能函数 51
2.4.6 显示函数 52
2.5 线性网络的神经网络工具箱函数 59
2.5.1 线性网络创建和设计函数 59
2.5.2 学习函数 60
2.6 自组织竞争网络的神经网络工具箱函数 63
2.6.1 神经网络创建函数 64
2.6.2 传递函数 65
2.6.3 距离函数 67
2.6.4 学习函数 69
2.6.5 初始化函数 71
2.6.6 权值函数 71
2.6.7 显示函数 72
2.6.8 结构函数 72
2.7 径向基网络的神经网络工具箱函数 79
2.7.1 神经网络创建函数 79
2.7.2 转换函数 80
2.7.3 传递函数 81
2.8 反馈网络的神经网络工具箱函数 84
2.8.1 Hopfield网络的工具箱函数 84
2.8.2 Elman网络的工具箱函数 85
2.9 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 89
3.1.2 多层感知器 95
3.2 BP网络及MATLAB实现 99
3.2.1 BP网络理论 100
3.2.2 BP网络的MATLAB设计 104
3.3 线性神经网络及MATLAB实现 108
3.3.1 线性神经网络的结构 108
3.3.2 线性神经网络的学习 109
3.3.3 线性网络的MATLAB仿真 110
3.4 径向基函数网络及MATLAB实现 116
3.4.1 径向基网络结构 116
3.4.2 径向基函数的学习过程 117
3.4.3 RBF网络应用实例 119
3.4.4 基于RBF网络的非线性滤波 121
3.4.5 基于GRNN的函数逼近 123
3.4.6 基于概率神经网络的分类 126
3.5 GMDH网络及MATLAB实现 127
3.5.1 GMDH网络理论 127
3.5.2 GMDH网络的训练 128
3.5.3 基于GMDH网络的预测 129
3.6 小结 130
4.1.1 Elman神经网络结构 131
4.1 Elman神经网络及应用 131
第4章 反馈型神经网络理论及MATLAB实现 131
4.1.2 Elman神经网络的学习过程 132
4.1.3 Elman神经网络的工程应用 132
4.1.4 基于Elman网络的空调负荷预测 136
4.2 Hopfield神经网络及MATLAB实现 141
4.2.1 Hopfield网络描述 142
4.2.2 Hopfield网络的学习过程 143
4.2.3几个重要结论 143
4.2.4 Hopfield网络的MATLAB开发 143
4.2.5 基于Hopfield网络的数字识别 147
4.3 CG网络模型及应用 149
4.3.1 CG神经网络理论 149
4.4 盒中脑（BSB）模型及MATLAB实现 150
4.4.1 BSB神经网络模型描述 150
4.3.2 基于CG网络的有限元分析 150
4.4.2 BSB的MATLAB实现 151
4.5 双向联想记忆（BAM）及MATLAB实现 153
4.5.1 Kosko型BAM网络模型 153
4.5.2 BAM网络的实例分析 154
4.6 回归BP网络及应用 156
4.6.1 回归BP网络概述 156
4.6.2 基于回归BP网络的房价预测 157
4.7 Boltzmann机网络及仿真 158
4.7.1 BM网络的基本结构 158
4.7.2 BM模型的工作规则和学习规则 159
4.7.3 BM网络的MATLAB仿真 162
4.8 小结 164
第5章 自组织与LVQ神经网络理论及MATLAB实现 165
5.1 自组织竞争网络及MATLAB实现 165
5.1.1 基本竞争型神经网络概述 165
5.1.2 自组织竞争网络的应用 166
5.2 自组织特征映射（SOM）神经网络及MATLAB实现 168
5.2.1 SOM网络的结构 169
5.2.2 SOM网络学习算法 170
5.2.3 基于SOM网络的土壤分类 171
5.2.4 基于SOM网络的人口分类 173
5.3 自适应共振理论模型（ART）及MATLAB实现 178
5.3.1 ART-1型网络模型描述 178
5.3.2 ART-1网络的学习及工作过程 179
5.3.3 ART-1网络的应用实例 180
5.4 学习矢量量化（LVQ）神经网络及MATLAB实现 183
5.4.1 LVQ网络的结构 183
5.4.2 LVQ网络的学习规则 184
5.4.3 基于LVQ网络的模式识别 185
5.5.1 CPN概述 189
5.5 对向传播网络（CPN）及MATLAB实现 189
5.5.2 CPN应用实例 192
5.6 小结 197
第6章 图形用户界面GUI 199
6.1 概述 199
6.2 网络设计 200
6.3 网络训练与仿真 202
6.4 数据操作 204
6.4.1 工作空间到GUI的数据导入 204
6.4.2 GUI到工作空间的数据导出 205
6.4.3 数据的存储和读取 207
6.4.4 数据删除 208
6.5 小结 209
7.1 神经网络控制结构 211
7.1.1 神经网络监督控制 211
第7章 神经网络控制理论及应用设计 211
7.1.2 神经网络直接逆控制 213
7.1.3 NN自适应控制 213
7.1.4 神经网络内模控制 215
7.1.5 神经网络预测控制 215
7.1.6 神经网络自适应评判控制 216
7.2 反馈线性化控制及MATLAB实现 217
7.2.1 基于神经网络的反馈线性化控制原理 217
7.2.2 反馈线性化控制实例 218
7.3 基于Simulink的神经网络控制 222
7.3.1 基于神经网络的MPC原理 222
7.3.2 模型预测控制实例 224
7.4 小结 230
第8章 基于神经网络的故障诊断 231
8.1 神经网络与故障模式识别 231
8.1.2 神经网络在故障模式识别中的应用 232
8.1.1 常用的模式识别方法 232
8.2 基于BP网络和Elman网络的齿轮箱故障诊断 234
8.2.1 工程描述 234
8.2.2 输入和目标向量设计 234
8.2.3 BP网络设计 235
8.2.4 Elman网络设计 238
8.3 基于SOM网络的回热系统故障诊断 240
8.3.1 背景 240
8.3.2 SOM网络设计 241
8.4 基于概率神经网络的故障诊断 243
8.4.1 概述 243
8.4.2 基于PNN的故障诊断 243
8.4.3 结论 245
8.5 基于BP网络的设备状态分类器设计 246
8.5.1 BP网络设计 246
8.5.2 网络训练 248
8.5.3 网络测试与应用 249
8.6 基于RBF网络的船用柴油机故障诊断 250
8.6.1 问题描述 250
8.6.2 涡轮增压系统的故障诊断 251
8.6.3 网络设计 253
8.7 小结 255
第9章 基于神经网络的预测 257
9.1 引言 257
9.2 基于神经网络的预测原理 258
9.2.1 正向建模 258
9.2.2 逆向建模 258
9.3 电力系统负荷预报的MATLAB实现 259
9.3.1 问题描述 259
9.3.2 输入／输出向量设计 260
9.3.3 BP网络设计 261
9.3.4 网络训练 262
9.4 河道浅滩演变预测的MATLAB实现 264
9.4.1 基于BP网络的演变预测 264
9.4.2 基于RBF网络的演变预测 270
9.4.3 结论 271
9.5 地震预报的MATLAB实现 271
9.5.1 概述 272
9.5.2 BP网络设计 273
9.5.3 BP网络训练与测试 273
9.5.4 地震预测的竞争网络模型 278
9.6 交通运输能力预测的MATLAB实现 280
9.6.1 背景概述 280
9.6.2 网络创建与训练 281
9.6.3 结论与分析 285
9.7.1 股市概述 287
9.7 股市预测的MATLAB实现 287
9.7.2 网络训练与测试 288
9.8 财务失败预测的MATLAB实现 289
9.8.1 问题描述 290
9.8.2 样本的收集和处理 290
9.9 农作物虫情预测的MATLAB实现 292
9.9.1 基于神经网络的虫情预测原理 293
9.9.2 BP网络设计 293
9.10 小结 297
第10章 基于神经网络的模糊控制 299
10.1 引言 299
10.2 神经网络模糊控制的结构和特征 299
10.2.1 神经网络模糊控制器的结构 299
10.2.2 神经网络模糊控制器的特征 300
10.2.3 神经网络模糊控制器的应用实例 302
10.3.1 洗衣机的模糊控制 305
10.3 基于MATLAB的神经模糊控制洗衣机仿真 305
10.3.2 洗衣机的神经网络模糊控制器的设计 307
10.4 小结 310
第11章 基于神经网络的自适应噪声抵消技术 313
11.1 引言 313
11.2 自适应噪声抵消实现原理 314
11.2.1 自适应滤波器 314
11.2.2 自适应噪声抵消系统基本原理 315
11.3 噪声抵消系统的MATLAB仿真 316
11.3.1 BP网络模型建立 316
11.3.2 基于神经网络工具箱的BP网络学习和训练 316
11.3.3 基于Simulink的噪声抵消系统设计及动态仿真 319
11.4 小结 321
参考文献 323