Matlab神经网络与应用 第2版PDF|Epub|txt|kindle电子书版本下载

Matlab神经网络与应用 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　神经网络概述1

1.1　Matlab 7.2语言简介1

1.1.1 Matlab的产生背景及主要产品1

1.1.2　Matlab的语言特点2

1.1.3　Matlab 7.2的新特点4

1.2　神经网络的发展和应用6

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8

1.3　神经网络模型8

1.3.1 生物神经元模型9

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13

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26

2.5.1　二输入感知器分类问题26

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31

第3章　线性神经网络33

3.1　线性神经网络模型结构33

3.1.1　神经元模型33

3.1.2　网络结构33

3.2　线性神经网络的构建34

3.2.1 生成线性神经元34

3.2.2　线性系统设计36

3.2.3　线性滤波器36

3.3　线性神经网络的学习和训练38

3.3.1 均方误差38

3.3.2　LMS算法38

3.3.3 网络训练39

3.4　线性网络的局限性41

3.4.1 超定系统41

3.4.2　不定系统44

3.4.3　线性相关向量47

3.4.4　学习速率过大49

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4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

4.3　BP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

4.4　BP网络的局限性91

4.5　BP网络应用实例分析92

4.5.1 函数逼近92

4.5.2　胆固醇含量估计100

4.5.3　模式识别106

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

5.2.2 更有效的径向基函数网络的设计124

5.3　广义回归神经网络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137

5.5.4 应用PNN进行变量分类139

第6章　反馈型神经网络144

6.1 Hopfield网络144

6.1.1 离散Hopfield网络（DHNN）145

6.1.2 连续Hopfield网络（CHNN）151

6.1.3 Hopfield网络模型结构153

6.1.4　Hopfield网络的设计154

6.2　Elman神经网络155

6.2.1 构建Elman网络156

6.2.2　网络仿真156

6.2.3　Elman神经网络训练157

6.3　反馈网络应用实例分析158

6.3.1 二神经元的Hopfield神经网络设计158

6.3.2　Hopfield网络的不稳定性161

6.3.3 三神经元的Hopfield神经网络设计164

6.3.4　应用Elman网络进行振幅检测167

第7章　竞争型神经网络173

7.1 自组织竞争神经网络174

7.1.1 几种联想学习规则174

7.1.2 自组织竞争神经网络的结构180

7.1.3 自组织竞争神经网络的设计181

7.2 自组织特征映射神经网络185

7.2.1 SOFM网络模型185

7.2.2 SOFM网络结构194

7.2.3 SOFM的构建195

7.2.4　SOFM网络的训练196

7.3　学习向量量化神经网络200

7.3.1　LVQ网络结构200

7.3.2　LVQ网络建立200

7.3.3　LVQ网络学习和训练203

7.4　实例分析206

7.4.1 自组织竞争网络在模式分类中的应用206

7.4.2　一维自组织特征映射网络设计209

7.4.3　二维自组织特征映射网络设计211

7.4.4　LVQ模式分类网络设计214

第8章　神经网络控制系统218

8.1 神经网络模型预测控制218

8.1.1 系统辨识219

8.1.2　预测控制219

8.1.3　神经网络模型预测控制器实例分析220

8.2　NARMA-L2（反馈线性化）控制226

8.2.1 NARMA-L2模型辨识226

8.2.2 NARMA-L2控制器228

8.2.3 NARMA-L2控制器实例分析229

8.3　模型参考控制233

8.3.1　模型参考控制理论233

8.3.2　模型参考控制实例分析234

第9章　图形用户界面240

9.1　网络的创建240

9.1.1　设置输入和期望输出240

9.1.2 网络生成243

9.2　网络的训练仿真246

9.2.1 网络训练246

9.2.2　网络仿真248

9.3 GUI的数据处理250

9.3.1　GUI导出数据到Matlab工作空间250

9.3.2　GUI的数据清除252

9.3.3　GUI从Matlab工作空间导入数据252

9.3.4　GUI数据文件的存取253

第10章　Simulink257

10.1　Simulink交互式仿真集成环境257

10.1.1　Simulink模型的创建258

10.1.2　Simulink仿真260

10.1.3　Simulink简单实例演示262

10.2　Simulink神经网络模块265

10.2.1　传递函数模块266

10.2.2　网络输入模块267

10.2.3　权值设置模块267

10.2.4　控制系统模块268

10.3　神经网络Simulink模型设计268

10.3.1　模型构建269

10.3.2　模型仿真272

10.3.3　进一步试验272

第11章 自定义神经网络275

11.1 自定义网络275

11.1.1　定制网络276

11.1.2　网络设计276

11.1.3 网络训练285

11.2　自定义函数288

11.2.1　仿真函数289

11.2.2　初始化函数302

11.2.3 学习函数304

11.2.4 自组织映射函数311

附录　神经网络工具箱函数315

参考文献323