第一篇 MATLAB入门篇 2
第1章 MATLAB概述 2
1.1 MATLAB的产生与发展 2
1.2 MATLAB的优势与特点 2
1.3 MATLAB系统的构成 4
1.4 MATLAB桌面操作环境 5
1.4.1 MATLAB启动和退出 5
1.4.2 MATLAB主菜单及功能 6
1.4.3 MATLAB命令窗口 9
1.4.4 MATLAB工作空间 11
1.4.5 M文件编辑／调试器 13
1.4.6 图形窗口 14
1.4.7 MATLAB文件管理 16
1.4.8 MATLAB帮助 16
1.5 MATLAB的工具箱 17
1.6 小结 18
第2章 MATLAB计算基础 19
2.1 MATLAB数值类型 19
2.2 关系运算和逻辑运算 21
2.3 矩阵及其运算 22
2.3.1 矩阵的创建 22
2.3.2 矩阵的运算 24
2.4 复数及其运算 25
2.4.1 复数表示 25
2.4.2 复数绘图 27
2.4.3 复数操作函数 28
2.5 符号运算 28
2.5.1 符号运算概述 28
2.5.2 常用的符号运算 30
2.6 小结 33
第3章 MATLAB绘图入门 34
3.1 MATLAB中绘图的基本步骤 34
3.2 在工作空间直接绘图 35
3.3 利用绘图函数绘图 36
3.3.1 绘制二维图形 36
3.3.2 绘制三维图形 37
3.4 图形的修饰 41
3.5 小结 44
第4章 MATLAB编程入门 45
4.1 MATLAB编程概述 45
4.2 MATLAB程序设计原则 46
4.3 M文件 47
4.4 MATLAB程序流程控制 49
4.5 MATLAB中的函数及调用 52
4.5.1 函数类型 52
4.5.2 函数参数传递 55
4.6 函数句柄 60
4.7 MATLAB程序调试 61
4.7.1 常见程序错误 61
4.7.2 调试方法 64
4.7.3 调试工具 64
4.7.4 M文件分析工具 67
4.7.5 Profiler分析工具 69
4.8 MATLAB程序设计技巧 70
4.8.1 嵌套计算 70
4.8.2 循环计算 72
4.8.3 使用例外处理机制 72
4.8.4 使用全局变量 74
4.8.5 通过varargin传递参数 76
4.9 小结 77
第5章 Simulink仿真入门 78
5.1 Simulink仿真概述 78
5.1.1 Simulink的启动与退出 78
5.1.2 Simulink模块库 79
5.2 Simulink仿真模型及仿真过程 84
5.3 Simulink模块的处理 86
5.3.1 Simulink模块参数设置 86
5.3.2 Simulink模块基本操作 88
5.3.3 Simulink模块连接 90
5.4 Simulink仿真设置 92
5.4.1 仿真器参数设置 92
5.4.2 工作空间数据导入／导出设置 94
5.5 Simulink仿真举例 95
5.6 小结 98
第二篇 神经网络提高篇第6章 MATLAB神经网络工具箱概述 100
6.1 神经网络简介 100
6.2 神经网络模型及训练 101
6.2.1 生物神经元模型 101
6.2.2 神经网络模型 102
6.2.3 神经网络的训练 104
6.2.4 神经网络的分类 105
6.3 神经网络的应用 106
6.4 神经网络工具箱简介 108
6.4.1 工具箱的功能 108
6.4.2 工具箱的新特性 108
6.4.3 MATLAB中的神经网络数据结构 110
6.4.4 工具箱函数简介 112
6.5 小结 113
第7章 MATLAB神经网络GUI工具 114
7.1 基础GUI工具nntool 114
7.1.1 网络创建 114
7.1.2 网络训练 119
7.1.3 网络仿真 121
7.1.4 图形界面数据操作 122
7.2 数据拟合GUI工具nftool 127
7.3 模式识别GUI工具nprtool 131
7.4 数据聚类GUI工具nctool 136
7.5 小结 139
第8章 感知器神经网络 140
8.1 感知器神经网络结构 140
8.1.1 感知器神经元模型 140
8.1.2 单层感知器神经网络结构 141
8.2 感知器学习规则 142
8.2.1 感知器网络学习算法 143
8.2.2 标准化感知器网络学习算法 144
8.3 感知器网络的MATLAB实现 144
8.3.1 感知器网络的生成 144
8.3.2 感知器网络的仿真 146
8.3.3 感知器网络的初始化 147
8.3.4 感知器网络的学习和训练 148
8.4 感知器网络的局限性 152
8.4.1 单层感知器网络的局限性 152
8.4.2 多层感知器神经网络 152
8.5 感知器神经网络设计实例 153
8.5.1 输入向量的二类划分 153
8.5.2 奇异样本输入向量的训练 155
8.5.3 标准化感知器学习规则实例 158
8.5.4 线性不可分样本问题 159
8.6 小结 161
第9章 线性神经网络 162
9.1 线性神经网络结构 162
9.1.1 线性神经元模型 162
9.1.2 线性神经网络结构 163
9.2 线性滤波器 164
9.3 线性神经网络学习规则 164
9.3.1 均方误差 165
9.3.2 LMS算法 165
9.4 线性神经网络的MATLAB实现 166
9.4.1 线性神经元生成 166
9.4.2 线性神经网络生成 169
9.4.3 线性滤波器生成 170
9.4.4 线性神经网络训练 171
9.5 线性网络的局限性 175
9.5.1 非线性系统 175
9.5.2 超定系统 178
9.5.3 不定系统 178
9.5.4 线性相关向量 181
9.5.5 学习速率过大 183
9.6 线性神经网络设计实例 185
9.6.1 线性预测 185
9.6.2 自适应滤波噪声抵消 187
9.6.3 自适应滤波系统辨识 189
9.7 小结 192
第10章 BP神经网络 193
10.1 BP神经网络结构 193
10.1.1 BP网络神经元模型 193
10.1.2 BP神经网络结构 194
10.2 BP网络学习规则 195
10.2.1 BP算法 195
10.2.2 批处理学习算法 198
10.3 BP网络的MATLAB实现 199
10.3.1 BP网络的创建与仿真 199
10.3.2 BP网络的训练 200
10.4 BP网络的局限性 215
10.5 BP神经网络设计实例 216
10.5.1 函数逼近 216
10.5.2 回归分析 218
10.5.3 特征识别 220
10.6 小结 224
第11章 径向基神经网络 225
11.1 基本径向基神经网络 225
11.1.1 径向基网络神经元模型 225
11.1.2 径向基神经网络结构 226
11.2 概率神经网络 227
11.3 广义回归神经网络 228
11.4 径向基网络的MATLAB实现 229
11.4.1 径向基神经网络的精确创建 230
11.4.2 更有效的径向基神经网络创建 231
11.4.3 概率神经网络的创建 231
11.4.4 广义回归神经网络的创建 232
11.5 径向基网络设计实例 233
11.5.1 径向基网络函数逼近 233
11.5.2 散布常数的影响之欠交叠情形 236
11.5.3 散布常数的影响之过交叠情形 238
11.5.4 广义回归网络函数逼近 239
11.5.5 概率神经网络模式分类 242
11.6 小结 245
第12章 自组织神经网络 246
12.1 自组织竞争网络 246
12.1.1 自组织竞争网络结构模型 246
12.1.2 自组织竞争神经网络的学习算法 247
12.2 自组织特征映射网络 250
12.2.1 自组织特征映射网络模型 250
12.2.2 自组织特征映射网络结构 258
12.2.3 自组织特征映射网络的学习规则 259
12.3 学习矢量量化网络 259
12.3.1 学习矢量量化网络结构 260
12.3.2 学习矢量量化网络的学习规则 260
12.3.3 与自组织映射网络的比较 262
12.4 自组织神经网络的MATLAB实现 263
12.4.1 自组织竞争网络的设计 263
12.4.2 自组织竞争网络的训练 264
12.4.3 SOFM网络的设计 265
12.4.4 SOFM网络的训练 267
12.4.5 LVQ网络的设计 267
12.4.6 LVQ网络的训练 270
12.5 自组织神经网络应用实例 271
12.5.1 自组织竞争网络模式分类 271
12.5.2 一维自组织特征映射网络 273
12.5.3 二维自组织特征映射网络 275
12.5.4 LVQ网络应用实例 277
12.6 小结 279
第13章 反馈神经网络 280
13.1 Hopfield网络 280
13.1.1 离散Hopfield网络模型 281
13.1.2 连续Hopfield网络模型 283
13.1.3 联想记忆 285
13.1.4 Hopfield网络结构 287
13.2 Elman反馈神经网络 287
13.3 反馈神经网络的MATLAB实现 288
13.3.1 设计Hopfield网络 288
13.3.2 Elman网络的创建与仿真 290
13.3.3 训练Elman网络 291
13.4 反馈神经网络应用实例 292
13.4.1 二神经元Hopfield网络设计 292
13.4.2 Hopfield网络中的伪平衡点 295
13.4.3 三神经元Hopfield网络设计 297
13.4.4 利用Elman网络进行振幅检测 300
13.5 小结 303
第三篇 神经网络综合实战篇第14章 神经网络优化 306
14.1 支持向量机 306
14.1.1 统计学习理论 307
14.1.2 支持向量机（SVM）理论 307
14.1.3 支持向量机实例 310
14.2 Boltzmann机与模拟退火算法 314
14.2.1 Boltzmann机的网络结构 314
14.2.2 模拟退火算法 315
14.2.3 Boltzmann机的工作原理 316
14.3 基于遗传算法的神经网络优化 317
14.3.1 遗传算法介绍 318
14.3.2 基于遗传算法的神经网络优化算法 320
14.3.3 遗传算法优化实例 321
14.4 小结 325
第15章 神经网络控制 326
15.1 神经网络控制概述 327
15.1.1 监督式神经网络控制 327
15.1.2 直接逆模型神经网络控制 328
15.1.3 神经网络自适应控制 328
15.1.4 神经网络内模控制 329
15.1.5 神经网络预测控制 330
15.1.6 神经网络自适应判断控制 331
15.1.7 多层神经网络控制 331
15.1.8 分级神经网络控制 332
15.2 神经网络模型预测控制 333
15.2.1 系统辨识 334
15.2.2 预测控制 335
15.2.3 预测控制的Simulink实例 335
15.3 神经网络反馈线性化控制（NARMA-L2） 341
15.3.1 NARMA-L2系统辨识 341
15.3.2 NARMA-L2控制器 342
15.3.3 NARMA-L2控制器Simulink实例 343
15.4 神经网络模型参考控制 347
15.5 小结 352
第16章 神经网络故障诊断 353
16.1 神经网络故障诊断概述 353
16.2 基于神经网络的滚动轴承故障诊断 354
16.2.1 问题背景 354
16.2.2 问题实例 356
16.3 基于神经网络的汽车防抱死系统故障诊断 359
16.3.1 问题背景 359
16.3.2 问题实例 361
16.4 基于神经网络的柴油机故障诊断 364
16.4.1 问题背景 364
16.4.2 问题实例 366
16.5 基于神经网络的水循环系统故障诊断 371
16.5.1 问题背景 371
16.5.2 问题实例 372
16.6 小结 374
第17章 神经网络预测 375
17.1 神经网络预测概述 375
17.2 基于神经网络的地震预测 378
17.2.1 问题背景 378
17.2.2 问题实例 378
17.3 基于神经网络的人口预测 382
17.3.1 问题背景 382
17.3.2 问题实例 382
17.4 基于神经网络的电信业务量预测 385
17.4.1 问题背景 385
17.4.2 问题实例 385
17.5 基于神经网络的股市预测 388
17.5.1 问题背景 388
17.5.2 问题实例 389
17.6 基于神经网络的信用风险预测 391
17.6.1 问题背景 391
17.6.2 问题实例 392
17.7 小结 394
第18章 Simulink中的神经网络设计 395
18.1 Simulink神经网络模块 395
18.1.1 传递函数模块库 396
18.1.2 网络输入函数模块库 397
18.1.3 权值函数模块库 397
18.1.4 处理函数模块库 398
18.1.5 控制系统模块库 398
18.2 神经网络Simulink模型设计实例 399
18.3 小结 403
第19章 自定义神经网络 404
19.1 自定义网络 404
19.1.1 定制网络 405
19.1.2 定义网络 406
19.1.3 网络行为 414
19.2 相关工具箱函数 417
19.2.1 初始化函数 417
19.2.2 传递函数 417
19.2.3 学习函数 420
19.3 自定义函数 425
19.3.1 网络构建函数 425
19.3.2 初始化函数 431
19.3.3 学习函数 432
19.3.4 自组织映射函数 435
19.4 小结 437
附录A 工具箱函数列表 438
参考文献 444