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
第1章 神经网络概述 1
1.1.2 Matlab的语言特点 2
1.1.3 Matlab 6.5的新特点 4
1.2神经网络的发展和应用 5
1.2.1神经网络的发展 6
1.2.2神经网络的研究内容 7
1.2.3神经网络的应用 7
1.3.1生物神经元模型 8
1.3神经网络模型 8
1.3.2神经元模型 10
1.3.3神经元网络模型 11
1.4神经网络工具箱概述 12
第2章 感知器 14
2.1感知器神经网络模型结构 14
2.1.1神经元模型 14
2.1.2网络结构 15
2.2感知器神经网络的构建 16
2.2.1生成网络 16
2.2.2网络仿真 17
2.2.3网络初始化 18
2.3感知器神经网络的学习和训练 20
2.3.1学习规则 20
2.3.2网络训练 22
2.4感知器网络的局限性 24
2.4.1标准化感知器学习规则 24
2.4.2多层感知器 25
2.5感知器网络设计实例 25
2.5.1二输入感知器分类问题 25
2.5.2输入奇异样本对网络训练的影响 28
2.5.3线性不可分输入量 30
第3章 线性神经网络 32
3.1线性神经网络模型结构 32
3.1.1神经元模型 32
3.1.2网络结构 32
3.2线性神经网络的构建 33
3.2.1生成线性神经元 33
3.2.2线性系统设计 35
3.2.3线性滤波器 36
3.3.1均方误差 37
3.3.2LMS算法 37
3.3线性神经网络的学习和训练 37
3.3.3网络训练 38
3.4线性网络的局限性 40
3.4.1超定系统 40
3.4.2不定系统 43
3.4.3线性相关向量 47
3.4.4学习速率过大 48
3.5线性神经网络应用实例分析 51
3.5.1应用线性网络进行预测 51
3.5.2自适应预测 54
3.5.3线性系统辨识 57
3.5.4自适应系统辨识 60
第四章 BP网络 64
4.1 BP网络模型结构 64
4.1.1神经元模型 64
4.1.2前馈型神经网络结构 66
4.2 BP神经网络的构建 66
4.3BP神经网络的训练 67
4.3.1 BP算法 68
4.3.2 BP网络批处理训练模式 71
4.5.1函数逼近 91
4.5 BP网络应用实例分析 91
4.4 BP网络的局限性 91
4.5.2胆固醇含量估计 99
4.5.3模式识别 104
第5章 径向基函数网络 121
5.1径向基函数网络模型 121
5.1.1径向基函数神经元模型 121
5.1.2径向基函数网络的结构 122
5.1.3径向基函数网络的工作原理 122
5.2径向基函数网络的构建 123
5.2.1径向基函数网络的严格设计 123
5.3广义回归神经网络 124
5.2.2更有效的径向基函数网络的设计 124
5.3.1 GRNN网络结构 125
5.3.2 GRNN网络的工作原理 125
5.3.3 GRNN网络设计 126
5.4概率神经网络 126
5.4.1 PNN网络结构 126
5.4.2 PNN网络的工作原理 127
5.4.3概率神经网络的设计 127
5.5径向基函数网络的应用实例 129
5.5.1函数逼近 129
5.5.2散布常数对径向基函数网络设计的影响 132
5.5.3应用GRNN进行函数逼近 136
5.5.4应用PNN进行变量分类 139
第6章 反馈型神经网络 143
6.1 Hopfield网络 143
6.1.1离散Hopfield网络（DHNN） 144
6.1.2连续Hopfield网络（CHNN） 150
6.1.3 Hopfield网络模型结构 152
6.1.4 Hopfield网络的设计 153
6.2 Elman神经网络 154
6.2.2网络仿真 155
6.2.1构建Elman网络 155
6.2.3 Elman神经网络训练 156
6.3反馈网络应用实例分析 157
6.3.1二神经元的Hopfield神经网络设计 157
6.3.2 Hopfield网络的不稳定性 160
6.3.3三神经元的Hopfield神经网络设计 163
6.3.4应用Elman网络进行振幅检测 166
第7章 竞争型神经网络 171
7.1自组织竞争神经网络 172
7.1.1几种联想学习规则 172
7.1.2自组织竞争神经网络的结构 178
7.1.3自组织竞争神经网络的设计 179
7.2自组织特征映射神经网络 183
7.2.1 SOFM网络模型 183
7.2.2 SOFM网络结构 192
7.2.3 SOFM的构建 193
7.2.4 SOFM网络的训练 194
7.3学习矢量量化神经网络（LVQ） 198
7.3.1 LVQ网络结构 198
7.3.2 LVQ网络建立 198
7.3.3 LVQ网络学习和训练 201
7.4.1自组织竞争网络在模式分类中的应用 204
7.4实例分析 204
7.4.2一维自组织特征映射网络设计 207
7.4.3二维自组织特征映射网络设计 209
7.4.4 LVQ模式分类网络设计 212
第8章 神经网络控制系统 216
8.1神经网络模型预测控制 216
8.1.1系统辨识 217
8.1.2预测控制 217
8.1.3神经网络模型预测控制器实例分析 218
8.2 NARMA-L2（反馈线性化）控制 224
8.2.1 NARMA-L2模型辨识 225
8.2.2 NARMA-L2控制器 226
8.2.3 NARMA-L2控制器实例分析 227
8.3模型参考控制 232
8.3.1模型参考控制理论 232
8.3.2模型参考控制实例分析 233
第9章 图形用户界面 239
9.1网络的创建 239
9.1.1设置输入和期望输出 239
9.1.2网络生成 243
9.2.1网络训练 245
9.2网络的训练仿真 245
9.2.2网络仿真 246
9.3 GUI的数据处理 248
9.3.1 GUI导出数据到Matlab工作空间 248
9.3.2 GUI的数据清除 250
9.3.3 GUI从Matlab工作空间导入数据 250
9.3.4 GUI数据文件的存取 251
第10章 Simulink 255
10.1Simulink交互式仿真集成环境 255
10.1.1 Simulink模型的创建 256
10.1.2 Simulink仿真 258
10.1.3 Simulink简单实例演示 260
10.2 Simulink神经网络模块 263
10.2.1传递函数模块 263
10.2.2网络输入模块 264
10.2.3权值设置模块 264
10.2.4控制系统模块 265
10.3神经网络Simulink模型设计 266
10.3.1模型构建 266
10.3.2模型仿真 270
10.3.3进一步试验 270
11.1自定义网络 274
第11章 自定义神经网络 274
11.1.1定制网络 275
11.1.2网络设计 275
11.1.3网络训练 283
11.2自定义函数 287
11.2.1仿真函数 288
11.2.2初始化函数 301
11.2.3学习函数 304
11.2.4自组织映射函数 310
附录 神经网络工具箱函数 315