MATLAB R2016a神经网络设计应用27例

✍ Scribed by 顾艳春

• Publisher: 电子工业出版社
• Year: 2018
• Tongue: Chinese
• Leaves: 469
• Category: Library

✦ Synopsis

本书以MATLAB R2016a为平台，通过专业技术与大量典型实例相结合，介绍了各种典型网络的训练过程和实际应用。全书共27个案例，从实用角度出发，详尽地讲述感知器网络、线性神经网络、RBF神经网络、BP神经网络、反馈神经网络及自组织神经网络等内容，扩展介绍神经网络在其他工程领域的实际应用。本书可作为科研人员及工程技术人员的参考用书，也可作为本科生和研究生的学习用书

✦ Table of Contents

扉页
版权页
前言
目录
第1章 RBF神经网络的实际应用
1.1 用于曲线拟合的RBF神经网络
1.2 径向基网络实现非线性函数回归
1.3 CRNN网络应用
1.4 PNN网络应用
1.5 RBF神经网络的优缺点
第2章 SOM网络算法分析与应用
2.1 SOM网络的生物学基础
2.2 SOM网络的拓扑结构
2.3 SOM网络的权值调整
2.4 SOM网络的MATLAB实现
2.5 SOM网络的应用
第3章 线性网络的实际应用
3.1 线性化建模
3.2 模式分类
3.3 消噪处理
3.4 系统辨识
3.5 系统预测
第4章 BP网络算法分析与应用
4.1 BP网络模型
4.2 BP网络学习算法
4.2.1 BP网络学习算法介绍
4.2.2 BP网络学习算法的比较
4.3 BP神经网络特点
4.4 BP网络功能
4.5 BP网络实例分析
第5章 神经网络在选址与地震预测中的应用
5.1 配送中心选址
5.2 地震预报
5.2.1 问题概述
5.2.2 网络设计
5.2.3 网络训练与测试
5.2.4 网络实现
第6章 模糊神经网络的算法分析与实现
6.1 模糊神经网络的形式
6.2 神经网络和模糊控制结合的优点
6.3 神经模糊控制器
6.4 神经模糊控制器的学习算法
6.5 模糊神经网络MATLAB函数
6.5.1 模糊神经系统的建模函数
6.5.2 采用网格分割方式生成模糊推理系统函数
6.6 MATLAB模糊神经推理系统的图形用户界面
第7章 BP网络的典型应用
7.1 数据归一化方法
7.2 提前终止法
7.3 BP网络的局限性
7.4 BP网络典型应用
7.4.1 用BP网络估计胆固醇含量
7.4.2 线性神经网络在信号预测中的应用
第8章 线性神经网络算法分析与实现
8.1 线性神经网络工具箱函数
8.1.1 创建函数
8.1.2 学习函数
8.1.3 性能函数
8.2 线性神经网络模型及结构
8.3 线性神经网络的学习算法与训练
8.3.1 线性神经网络的学习算法
8.3.2 线性神经网络的训练
8.4 线性神经网络的滤波器
第9章 感知器网络算法分析与实现
9.1 单层感知器
9.1.1 单层感知器模型
9.1.2 单层感知器功能
9.1.3 单层感知器结构
9.1.4 单层感知器学习算法
9.1.5 单层感知器训练
9.1.6 单层感知器局限性
9.1.7 单层感知器的MATLAB实现
9.2 多层感知器
9.2.1 多层感知器模型
9.2.2 多层感知器设计方法
9.2.3 多层感知器的MATLAB实现
第10章 神经网络工具箱函数分析与应用
10.1 神经网络仿真函数
10.2 神经网络训练函数
10.2.1 train
10.2.2 trainb函数
10.3 神经网络学习函数
10.4 神经网络初始函数
10.5 神经网络输入函数
10.6 神经网络的传递函数
10.7 神经网络求点积函数
第11章 BM网络与BSB网络算法分析与实现
11.1 Boltzmann神经网络
11.1.1 BM网络的基本结构
11.1.2 BM模型的学习
11.1.3 BM网络的实现
11.2 BSB神经网络
第12章 感知器网络工具箱函数及其应用
12.1 创建函数
12.2 显示函数
12.3 性能函数
第13章 RBF神经网络算法分析与应用
13.1 RBF神经网络模型
13.2 RBF神经网络的数学基础
13.2.1 内插问题
13.2.2 正则化网络
13.3 RBF神经网络的学习算法
13.3.1 自组织选取中心法
13.3.2 梯度训练方法
13.3.3 正交最小二乘（OLS）学习算法
13.4 其他RBF神经网络
13.4.1 广义回归神经网络
13.4.2 泛化回归神经网络
13.4.3 概率神经网络
13.5 RBF神经网络MATLAB函数
13.5.1 创建函数
13.5.2 权函数
13.5.3 输入函数
13.5.4 传递函数
13.5.5 mse函数
13.5.6 变换函数
第14章 Simulink神经网络应用
14.1 Simulink神经网络仿真模型库
14.2 Simulink神经网络应用
第15章 ART网络与CP网络算法分析与应用
15.1 ART-1型网络
15.1.1 ART-1型网络结构
15.1.2 ART-1网络学习过程
15.1.3 ART-1网络的应用
15.2 ART-2型网络
15.2.1 网络结构与运行原理
15.2.2 网络的数学模型与学习算法
15.2.3 ART-2型网络在系统辨识中的应用
15.3 CP神经网络概述
15.3.1 CP网络学习
15.3.2 CP网络应用
第16章 Hopfield网络算法分析与实现
16.1 Hopfield神经网络
16.1.1 离散型Hopfield网络
16.1.2 DHNN的动力学稳定性
16.1.3 网络权值的学习
16.1.4 联想记忆功能
16.2 连续型Hopfield网络
16.3 Hopfield神经网络的应用
16.3.1 Hopfield神经网络函数
16.3.2 Hopfield神经网络的应用
第17章 LVQ网络算法分析与应用
17.1 LVQ神经网络的结构
17.2 LVQ神经网络的学习算法
17.2.1 LVQ1算法
17.2.2 LVQ2算法
17.3 LVQ神经网络的特点
17.4 LVQ神经网络的MATLAB函数
17.5 LVQ神经网络的应用
第18章 自组织网络算法分析与实现
18.1 竞争学习的概念
18.2 竞争学习规则
18.3 竞争学习原理
18.4 竞争神经网络MATLAB实现
18.5 竞争型神经网络存在的问题
第19章 Elman网络算法分析与应用
19.1 Elman神经网络结构
19.2 Elman神经网络权值修正的学习算法
19.3 Elman网络稳定性推导
19.4 对角递归网络稳定时学习速率的确定
19.5 Elman神经网络在数据预测中的应用
第20章 BP网络工具箱函数及其应用
20.1 创建函数
20.2 传递函数
20.3 学习函数
20.4 训练函数
20.5 性能函数
20.6 显示函数
第21章 神经网络在实际案例中的应用
21.1 农作物虫情预测
21.1.1 虫情预测原理
21.1.2 网络实现
21.2 人脸识别
21.2.1 模型建立
21.2.2 网络实现
第22章 神经网络工具箱函数分析与应用
22.1 神经网络构建函数的分析与应用
22.2 神经网络应用函数的分析与应用
第23章 线性神经网络算法分析与设计
23.1 线性神经网络结构
23.2 线性神经网络设计
23.3 自适应滤波线性神经网络
23.4 线性神经网络的局限性
23.5 线性神经网络的MATLAB应用举例
第24章 神经网络工具箱函数及实例分析
24.1 传递函数及其导函数
24.1.1 传递函数
24.1.2 传递函数的导函数
24.2 距离函数
24.3 权值函数及其导函数
24.3.1 权值函数
24.3.2 权值函数的导函数
24.4 结构函数
24.5 分析函数
24.6 转换函数
24.7 绘图函数
24.8 数据预处理和后处理函数
第25章 神经网络的工程应用
25.1 线性神经网络在线性预测中的应用
25.2 神经模糊控制在洗衣机中的应用
25.2.1 洗衣机的模糊控制
25.2.2 洗衣机的神经网络模糊控制器的设计
25.3 模糊神经网络在配送中心选址中的应用
25.4 Elman神经网络在信号检测中的应用
25.5 神经网络在噪声抵消系统中的应用
25.5.1 自适应噪声抵消原理
25.5.2 噪声抵消系统的MATLAB仿真
第26章 神经网络算法分析与工具箱应用
26.1 网络对象属性
26.1.1 结构属性
26.1.2 子对象结构属性
26.1.3 函数属性
26.1.4 权值和阈值
26.1.5 参数属性
26.1.6 其他属性
26.2 子对象属性
26.2.1 输入向量
26.2.2 网络层
26.2.3 输出向量
26.2.4 阈值向量
26.2.5 输入权值向量
26.2.6 目标向量
26.2.7 网络层权值向量
第27章 自定义函数及其应用
27.1 初始化函数
27.2 学习函数
27.3 仿真函数
27.3.1 传递函数
27.3.2 传递函数导数函数
27.3.3 网络输入函数
27.3.4 网络输入导函数
27.3.5 权值函数
27.3.6 权值导数函数
27.4 自组织函数
27.4.1 拓扑函数
27.4.2 距离函数
参考文献