MATLAB神经网络超级学习手册PDF|Epub|txt|kindle电子书版本网盘下载

MATLAB神经网络超级学习手册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 MATLAB简介1

1.1 MATLAB的发展1

1.2 MATLAB的特点及应用领域2

1.3 MATLAB R2013a的安装3

1.4 MATLAB R2013a的工作环境5

1.4.1 操作界面简介5

1.4.2 Workspace（命令窗口）6

1.4.3 Command History（历史命令窗口）9

1.4.4 输入变量11

1.4.5 路径管理12

1.4.6 搜索路径13

1.4.7 Workspace（工作空间）14

1.4.8 变量的编辑命令15

1.4.9 存取数据文件17

1.5 MATLAB R2013a的帮助系统17

1.5.1 纯文本帮助18

1.5.2 演示帮助19

1.5.3 帮助导航21

1.5.4 帮助文件目录窗22

1.5.5 帮助文件索引窗22

1.6 本章小结23

第2章 MATLAB基础24

2.1 基本概念24

2.1.1 MATLAB数据类型概述24

2.1.2 常量与变量25

2.1.3 标量、向量、矩阵与数组26

2.1.4 运算符28

2.1.5 命令、函数、表达式和语句30

2.2 MATLAB中的数组31

2.2.1 数组的保存和装载31

2.2.2 数组索引和寻址32

2.2.3 数组的扩展和裁剪34

2.2.4 数组形状的改变40

2.2.5 数组运算43

2.2.6 数组的查找46

2.2.7 数组的排序47

2.2.8 高维数组的降维操作48

2.3 曲线拟合49

2.3.1 多项式拟合49

2.3.2 加权最小方差（WLS）拟合原理及实例50

2.4 M文件52

2.4.1 M文件概述53

2.4.2 局部变量与全局变量54

2.4.3 M文件的编辑与运行55

2.4.4 脚本文件56

2.4.5 函数文件57

2.4.6 函数调用58

2.4.7 M文件调试工具61

2.4.8 M文件分析工具63

2.5 本章小结65

第3章 MATLAB程序设计66

3.1 MATLAB的程序结构66

3.1.1 if分支结构66

3.1.2 switch分支结构68

3.1.3 while循环结构68

3.1.4 for循环结构70

3.2 MATLAB的控制语句71

3.2.1 continue命令71

3.2.2 break命令72

3.2.3 return命令73

3.2.4 input命令73

3.2.5 keyboard命令74

3.2.6 error和warning命令74

3.3 数据的输入输出75

3.3.1 键盘输入语句（input）75

3.3.2 屏幕输出语句（disp）76

3.3.3 M数据文件的存储／加载（save/load）76

3.3.4 格式化文本文件的存储／读取（fprintf/fscanf）76

3.3.5 二进制数据文件的存储／读取（fwrite/fread）76

3.3.6 数据文件行存储／读取（fgetl/fgets）77

3.4 MATLAB文件操作77

3.5 MATLAB程序优化79

3.5.1 效率优化（时间优化）79

3.5.2 内存优化（空间优化）80

3.5.3 编程注意事项85

3.5.4 几个常用数学方法的算法程序86

3.6 程序调试94

3.6.1 程序调试命令94

3.6.2 程序剖析95

3.7 本章小结99

第4章 人工神经网络概述100

4.1 人工神经网络100

4.1.1 人工神经网络的发展100

4.1.2 人工神经网络研究内容101

4.1.3 人工神经网络研究方向102

4.1.4 人工神经网络发展趋势102

4.2 神经元105

4.2.1 神经元细胞105

4.2.2 MP模型106

4.2.3 一般神经元模型107

4.3 神经网络的结构及学习108

4.3.1 神经网络结构108

4.3.2 神经网络学习110

4.4 MATLAB神经网络工具箱111

4.4.1 神经网络工具箱函数112

4.4.2 神经网络工具箱的使用113

4.5 本章小结118

第5章 感知器119

5.1 感知器原理119

5.1.1 感知器模型119

5.1.2 感知器初始化120

5.1.3 感知器学习规则121

5.1.4 感知器训练121

5.2 感知器的局限性122

5.3 感知器工具箱的函数122

5.4 感知器的MATLAB仿真程序设计130

5.4.1 单层感知器MATLAB仿真程序设计130

5.4.2 多层感知器MATLAB仿真程序设计135

5.5 本章小结139

第6章 线性神经网络140

6.1 线性神经网络原理140

6.1.1 线性神经网络模型140

6.1.2 线性神经网络初始化141

6.1.3 线性神经网络学习规则142

6.1.4 线性神经网络的训练144

6.2 线性神经网络工具箱函数147

6.3 线性神经网络的MATLAB仿真程序设计153

6.3.1 线性神经网络设计的基本方法153

6.3.2 线性神经网络的设计153

6.4 本章小结158

第7章 BP神经网络159

7.1 BP神经网络原理159

7.1.1 BP神经网络模型159

7.1.2 BP神经网络算法161

7.1.3 BP神经网络的训练164

7.1.4 BP神经网络功能167

7.2 网络的设计167

7.2.1 网络的层数167

7.2.2 隐含层的神经元数168

7.2.3 初始权值的选取168

7.2.4 学习速率168

7.3 BP神经网络工具箱函数168

7.4 BP神经网络的工程应用173

7.4.1 BP网络在函数逼近中的应用173

7.4.2 nntool神经网络工具箱的应用181

7.4.3 BP神经网络在语音特征信号分类中的应用184

7.4.4 BP神经网络的非线性函数拟合应用190

7.5 本章小结193

第8章 RBF神经网络194

8.1 RBF网络模型194

8.1.1 RBF神经网络模型194

8.1.2 RBF网络的工作原理195

8.1.3 RBF神经网络的具体实现196

8.2 RBF神经网络的学习算法196

8.3 RBF网络工具箱函数198

8.3.1 RBF工具箱函数198

8.3.2 转换函数200

8.3.3 传递函数201

8.4.基于RBF网络的非线性滤波202

8.4.1 非线性滤波202

8.4.2 RBF神经网络用于非线性滤波202

8.5 RBF网络MATLAB应用实例207

8.6 本章小结216

第9章 反馈型神经网络217

9.1 反馈型神经网络的基本概念217

9.2 Hopfield网络模型219

9.2.1 Hopfield网络模型220

9.2.2 状态轨迹221

9.2.3 状态轨迹发散221

9.3 Hopfield网络工具箱函数222

9.3.1 Hopfield网络创建函数223

9.3.2 Hopfield网络传递函数227

9.4 离散型Hopfield网络228

9.4.1 DHNN模型结构228

9.4.2 联想记忆229

9.4.3 DHNN的海布（Hebb）学习规则232

9.4.4 DHNN权值设计的其他方法233

9.5 连续型Hopfield网络235

9.6 Elman网络242

9.6.1 Elman网络结构243

9.6.2 Elman网络创建函数243

9.6.3 Elman网络的工程应用245

9.7 本章小结252

第10章 竞争型神经网络253

10.1 自组织型竞争神经网络253

10.1.1 几种联想学习规则253

10.1.2 网络结构258

10.1.3 自组织神经网络的原理260

10.1.4 竞争学习规则265

10.1.5 竞争网络的训练过程265

10.2 自组织特征映射神经网络266

10.2.1 自组织特征映射神经网络拓扑结构267

10.2.2 SOM权值调整域268

10.2.3 SOM网络运行原理269

10.2.4 网络的训练过程270

10.3 自适应共振理论神经网络272

10.3.1 自适应共振理论神经网络概述272

10.3.2 ART网络的结构及特点272

10.4 学习向量量化神经网络273

10.4.1 LVQ神经网络结构273

10.4.2 LVQ神经网络算法274

10.5 竞争型神经网络工具箱函数274

10.6 竞争型神经网络的应用286

10.7 本章小结294

第11章 神经网络的Simulink应用295

11.1 基于Simulink的神经网络模块295

11.1.1 神经网络模块295

11.1.2 模块的生成302

11.2 基于Simulink的神经网络控制系统306

11.2.1 神经网络模型预测控制307

11.2.2 反馈线性化控制310

11.2.3 模型参考控制313

11.3 本章小结315

第12章 神经网络GUI316

12.1 GUI简介316

12.1.1 GUI设计工具316

12.1.2 启动GUIDE318

12.1.3 添加控件组件319

12.1.4 设置控件组件的属性322

12.1.5 编写相应的程序代码326

12.1.6 GUIDE创建GUI的注意事项331

12.1.7 定制标准菜单333

12.2 神经网络GUI334

12.2.1 常规神经网络GUI334

12.2.2 神经网络拟合GUI339

12.2.3 神经网络模式识别GUI346

12.2.4 神经网络聚类GUI351

12.3 GUI数据操作358

12.3.1 从Workspace导入数据到GUI358

12.3.2 从GUI中导出数据到Workspace360

12.3.3 数据的存储和读取363

12.3.4 数据的删除365

12.4 本章小结365

第13章 自定义神经网络及函数366

13.1 自定义神经网络366

13.1.1 网络的创建367

13.1.2 网络的初始化、训练和仿真382

13.2 自定义函数386

13.2.1 初始化函数386

13.2.2 学习函数387

13.2.3 仿真函数389

13.3 本章小结390

第14章 随机神经网络391

14.1 随机神经网络的基本思想391

14.2 模拟退火算法392

14.2.1 模拟退火算法的原理393

14.2.2 模拟退火算法用于组合优化问题394

14.2.3 退火算法的参数控制395

14.3 Boltzmann机396

14.3.1 Boltzmann机的网络结构396

14.3.2 Boltzmann机的工作原理398

14.3.3 Boltzmann机的运行步骤399

14.3.4 Boltzmann机的学习规则400

14.3.5 Boltzmann机的改进401

14.4 随机神经网络的应用404

14.5 本章小结407

第15章 神经网络基础运用408

15.1 感知器神经网络的应用408

15.2 线性神经网络的应用409

15.3 BP神经网络的应用411

15.4 RBF神经网络的应用413

15.5 本章小结415

第16章 神经网络综合运用416

16.1 BP神经网络的应用416

16.1.1 数据拟合416

16.1.2 数据预测423

16.1.3 函数逼近429

16.2 PID神经网络控制433

16.3 遗传算法优化神经网络441

16.4 模糊神经网络控制447

16.5 概率神经网络分类预测456

16.6 本章小结460

附录461

参考文献463