MATLAB神经网络原理与实例精解PDF|Epub|txt|kindle电子书版本网盘下载

MATLAB神经网络原理与实例精解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篇 入门篇2

第1章 神经网络概述2

1.1人工神经网络简介2

1.2神经网络的特点及应用3

1.2.1神经网络的特点3

1.2.2神经网络的应用4

1.3人工神经网络的发展历史5

1.4神经网络模型7

1.5神经网络的学习方式9

第2章 MATLAB快速入门10

2.1 MATLAB功能及历史10

2.1.1 MATLAB的功能和特点10

2.1.2 MATLAB发展历史12

2.2 MATLAB R2011b集成开发环境13

2.2.1 MATLAB的安装13

2.2.2 MATLAB集成开发环境19

2.2.3搜索路径设定21

2.3 MATLAB语言基础24

2.3.1标识符与数组24

2.3.2数据类型28

2.3.3运算符34

2.3.4流程控制37

2.3.5 M文件41

第3章 MATLAB函数与神经网络工具箱45

3.1 MATLAB常用命令45

3.2矩阵生成和基本运算52

3.2.1 zeros生成全零矩阵52

3.2.2 ones生成全1矩阵53

3.2.3 magic生成魔方矩阵53

3.2.4 eye生成单位矩阵54

3.2.5 rand生成均匀分布随机数54

3.2.6 randn生成正态分布随机数55

3.2.7 linspace产生线性等分向量56

3.2.8 logspace产生对数等分向量57

3.2.9 randperm生成随机整数排列58

3.2.10 randi生成整数随机数59

3.2.11 range向量的最大/最小值之差60

3.2.12 minmax求最大/最小值60

3.2.13 min/max/mean求最大/最小值61

3.2.14 size/length/numel/ndims矩阵维度相关62

3.2.15 sum/prod求和或积64

3.2.16 var/std求方差与标准差66

3.2.17 diag生成对角矩阵68

3.2.18 repmat矩阵复制和平铺69

3.2.19 reshape矩阵变维70

3.2.20 inv/pinv矩阵求逆/求伪逆71

3.2.21 rank/det求矩阵的秩/行列式73

3.2.22 eig矩阵的特征值分解73

3.2.23 svd矩阵的奇异值分解74

3.2.24 trace求矩阵的迹75

3.2.25 norm求向量或矩阵的范数76

3.3数学函数78

3.3.1 abs求绝对值78

3.3.2 exp/log指数函数/对数函数79

3.3.3 log10/log2常用对数/以2为底的对数79

3.3.4 fix/round/ceil/floor取整函数81

3.3.5 mod/rem取模数/余数81

3.4图形相关函数82

3.4.1 plot绘制二维图像82

3.4.2坐标轴设置函数83

3.4.3 subplot同一窗口分区绘图88

3.4.4 figure/hold创建窗口/图形保持88

3.4.5 semilogx/semilogy单对数坐标图89

3.4.6 contour/ clabel曲面等高线/等高线标签90

3.4.7 gcf/gca/gco返回当前图形/坐标/对象句柄91

3.4.8 mesh绘制三维网格图92

3.5神经网络工具箱92

3.5.1工具箱函数基本介绍93

3.5.2神经网络对象与属性95

第2篇 原理篇104

第4章 单层感知器104

4.1单层感知器的结构104

4.2单层感知器的学习算法105

4.3感知器的局限性108

4.4单层感知器相关函数详解108

4.4.1 newp——创建一个感知器108

4.4.2 train——训练感知器网络111

4.4.3 sim——对训练好的网络进行仿真113

4.4.4 hardlim/hardlims——感知器传输函数114

4.4.5 init——神经网络初始化函数115

4.4.6 adapt——神经网络的自适应117

4.4.7 mae——平均绝对误差性能函数119

4.5单层感知器应用实例——坐标点的二类模式分类120

4.5.1手算120

4.5.2使用工具箱函数127

第5章 线性神经网络129

5.1线性神经网络的结构129

5.2 LMS学习算法130

5.3 LMS算法中学习率的选择132

5.3.1确保网络稳定收敛的学习率132

5.3.2学习率逐渐下降133

5.4线性神经网络与感知器的对比134

5.4.1网络传输函数134

5.4.2学习算法134

5.5线性神经网络相关函数详解134

5.5.1 newlind——设计一个线性层135

5.5.2 newlin——构造一个线性层136

5.5.3 purelin——线性传输函数138

5.5.4 leamwh—— LMS学习函数138

5.5.5 maxlinlr——计算最大学习率141

5.5.6 mse——均方误差性能函数142

5.5.7 linearlayer——构造线性层的函数143

5.6线性神经网络应用实例144

5.6.1实现二值逻辑——与144

5.6.2实现二值逻辑——异或151

第6章 BP神经网络156

6.1 BP神经网络的结构156

6.2 BP网络的学习算法158

6.2.1最速下降法158

6.2.2最速下降BP法159

6.2.3串行和批量训练方式162

6.2.4最速下降BP法的改进163

6.3设计BP网络的方法164

6.4 BP神经网络的局限性166

6.5 BP网络相关函数详解166

6.5.1 logsig——Log-Sigmoid传输函数167

6.5.2 tansig——Tan-Sigmoid传输函数168

6.5.3 newff——创建一个BP网络169

6.5.4 feedforwardnet——创建一个BP网络172

6.5.5 newcf——级联的前向神经网络173

6.5.6 cascadeforwardnet——新版级联前向网络174

6.5.7 newfftd——前馈输入延迟的BP网络175

6.5.8 dlogsig/dtansig——Sigmoid函数的导数176

6.6 BP神经网络应用实例177

6.6.1基于BP网络的性别识别177

6.6.2实现二值逻辑——异或191

第7章 径向基函数网络196

7.1径向基神经网络的两种结构196

7.1.1径向基函数196

7.1.2正则化网络198

7.1.3广义网络199

7.2径向基神经网络的学习算法200

7.2.1随机选取固定中心200

7.2.2自组织选取中心201

7.2.3有监督选取中心202

7.2.4正交最小二乘法203

7.3径向基神经网络与多层感知器的比较204

7.4概率神经网络205

7.4.1模式分类的贝叶斯决策理论205

7.4.2概率神经网络的结构206

7.4.3概率神经网络的优点207

7.5广义回归神经网络208

7.5.1广义回归神经网络的理论基础208

7.5.2广义回归神经网络的结构209

7.6径向基神经网络相关函数详解210

7.6.1 newrb——设计一个径向基函数网络210

7.6.2 newrbe——设计一个严格的径向基网络212

7.6.3 radbas径向基函数213

7.6.4 dist——欧几里得距离权函数215

7.6.5 netprod——乘积网络输入函数215

7.6.6 dotprod——内积权函数216

7.6.7 netsum——求和网络输入函数217

7.6.8 newpnn——设计概率神经网络217

7.6.9 compet——竞争性传输函数218

7.6.10 ind2vec/vec2ind——向量-下标转换函数220

7.6.11 newgrnn——设计广义回归神经网络220

7.6.12 normprod——归一化点积权函数221

7.7径向基网络应用实例222

7.7.1异或问题222

7.7.2 RBF网络曲线拟合227

7.7.3 GRNN网络曲线拟合234

7.7.4 PNN网络用于坐标点分类237

第8章 自组织竞争神经网络243

8.1竞争神经网络243

8.2竞争神经网络的学习算法243

8.2.1 Kohonen学习规则244

8.2.2阈值学习规则245

83自组织特征映射网络246

8.4 SOM的学习算法247

8.5学习矢量量化网络249

8.5.1 LVQ1学习规则250

8.5.2 LVQ2规则250

8.6自组织竞争网络相关函数详解251

8.6.1 gridtop——网格拓扑函数251

8.6.2 hextop——六边形拓扑函数252

8.6.3 randtop——随机拓扑结构函数253

8.6.4 tritop——三角拓扑函数253

8.6.5 dist、 boxdist、 linkdist、 mandist——距离函数255

8.6.6 newc——竞争网络258

8.6.7 competlayer——新版竞争网络函数260

8.6.8 newsom——自组织特征映射网络261

8.6.9 selforgmap——新版自组织映射网络函数262

8.6.10 newlvq——学习矢量量化网络265

8.6.11 lvqnet——新版学习矢量量化网络函数267

8.6.12 mapminmax——归一化函数268

8.7自组织竞争神经网络应用实例269

8.7.1坐标点的分类（竞争神经网络）269

8.7.2坐标点的分类（自组织映射网络）275

第9章 反馈神经网络278

9.1离散Hopfield神经网络278

9.1.1 Hopfield网络的结构278

9.1.2 Hopfield网络的稳定性279

9.1.3设计离散Hopfield网络282

9.2连续Hopfield神经网络284

9.3 Elman神经网络285

9.4盒中脑模型286

9.5反馈神经网络相关函数详解288

9.5.1 newhop——生成一个离散Hopfield网络289

9.5.2 satlin饱和线性传递函数290

9.5.3 satlins——对称饱和线性传递函数291

9.5.4 nnt2hop——更新Hopfield网络291

9.5.5 newelm——创建Elman反馈网络292

9.5.6 elmannet——创建Elman反馈网络（新版本）294

9.6反馈神经网络应用实例296

9.6.1二维平面上的联想记忆网络296

9.6.2 Elman股价预测303

第10章 随机神经网络308

10.1模拟退火算法308

10.1.1模拟退火算法的引出308

10.1.2退火算法的参数控制310

10.2 Boltzmann机311

10.2.1 Boltzmann机基本原理312

10.2.2 Boltzmann机的学习规则314

10.2.3 Boltzmann机的运行步骤316

10.3 Sigmoid置信度网络316

10.4 MATLAB模拟退火算法工具317

10.4.1 MATLAB优化工具箱318

10.4.2模拟退火算法相关函数322

10.5模拟退火算法求解TSP问题327

第11章 用GUI设计神经网络334

11.1神经网络工具（nntool）334

11.1.1 nntool界面介绍334

11.1.2使用nntool建立神经网络337

11.2神经网络分类/聚类工具（nctool）340

11.3神经网络拟合工具（nftool）348

11.4神经网络模式识别工具（nprtool）353

11.5神经网络时间序列工具（ntstool）359

11.6 nntraintool与view365

第3篇 实战篇368

第12章 Simulink368

12.1 Simulink中的神经网络模块368

12.2用gensim生成模块371

12.2.1相关函数介绍371

12.2.2 gensim使用实例374

第13章 神经网络应用实例377

13.1 BP神经网络实现图像压缩377

13.1.1问题背景377

13.1.2神经网络建模378

13.1.3神经网络压缩的实现380

13.2 Elman网络预测上证股市开盘价387

13.2.1问题背景387

13.2.2神经网络建模387

13.2.3 Elman网络预测股价的实现388

13.3径向基网络预测地下水位395

13.3.1问题背景395

13.3.2神经网络建模395

13.3.3径向基网络预测的实现397

13.4基于BP网络的个人信贷信用评估402

13.4.1问题背景402

13.4.2神经网络建模402

13.4.3个人信贷信用评估的实现404

13.5基于概率神经网络的手写体数字识别411

13.5.1问题背景411

13.5.2神经网络建模412

13.5.3手写体数字识别的实现414

13.6基于概率神经网络的柴油机故障诊断420

13.6.1问题背景420

13.6.2神经网络建模421

13.6.3柴油机故障诊断的实现422

13.7基于自组织特征映射网络的亚洲足球水平聚类425

13.7.1问题背景426

13.7.2神经网络建模426

13.7.3足球水平聚类的实现428