图书介绍
MATLAB神经网络应用设计PDF|Epub|txt|kindle电子书版本网盘下载
- 傅荟璇，赵红等编著 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111313137
- 出版时间：2010
- 标注页数：299页
- 文件大小：86MB
- 文件页数：313页
- 主题词：算法语言－应用－神经网络
PDF下载
下载说明
MATLAB神经网络应用设计PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
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