《MATLAB R2016a神經網路設計套用27例》是2018年1月電子工業出版社出版的圖書，作者是顧艷春。
基本介紹
- 書名：MATLAB R2016a神經網路設計套用27例
- 作者：顧艷春
- ISBN：9787121333293
- 類別：網路
- 出版社：電子工業出版社
- 出版時間：2018年1月
- 開本：16開
- 版次：1
- 叢書名：MATLAB仿真套用精品叢書
內容簡介,圖書目錄,
內容簡介
本書以MATLAB R2016a為平台，通過專業技術與大量典型實例相結合，介紹了各種典型網路的訓練過程和實際套用。全書共27個案例，從實用角度出發，詳盡地講述感知器網路、線性神經網路、RBF神經網路、BP神經網路、反饋神經網路及自組織神經網路等內容，擴展介紹神經網路在其他工程領域的實際套用。本書可作為科研人員及工程技術人員的參考用書，也可作為本科生和研究生的學習用書。
圖書目錄
第1章 RBF神經網路的實際套用 1
1.1 用於曲線擬合的RBF神經網路 1
1.2 徑向基網路實現非線性函式回歸 10
1.3 CRNN網路套用 13
1.4 PNN網路套用 15
1.5 RBF神經網路的優缺點 19
第2章 SOM網路算法分析與套用 22
2.1 SOM網路的生物學基礎 22
2.2 SOM網路的拓撲結構 22
2.3 SOM網路的權值調整 23
2.4 SOM網路的MATLAB實現 26
2.5 SOM網路的套用 33
第3章 線性網路的實際套用 45
3.1 線性化建模 45
3.2 模式分類 50
3.3 消噪處理 51
3.4 系統辨識 54
3.5 系統預測 55
第4章 BP網路算法分析與套用 61
4.1 BP網路模型 61
4.2 BP網路學習算法 62
4.2.1 BP網路學習算法 62
4.2.2 BP網路學習算法的比較 67
4.3 BP神經網路特點 68
4.4 BP網路功能 68
4.5 BP網路實例分析 68
第5章 神經網路在選址與地震預測中的套用 78
5.1 配送中心選址 78
5.2 地震預報 81
5.2.1 問題概述 82
5.2.2 網路設計 83
5.2.3 網路訓練與測試 83
5.2.4 網路實現 88
第6章 模糊神經網路的算法分析與實現 91
6.1 模糊神經網路的形式 91
6.2 神經網路和模糊控制結合的優點 92
6.3 神經模糊控制器 92
6.4 神經模糊控制器的學習算法 95
6.5 模糊神經網路MATLAB函式 97
6.5.1 模糊神經系統的建模函式 97
6.5.2 採用格線分割方式生成模糊推理系統函式 102
6.6 MATLAB模糊神經推理系統的圖形用戶界面 103
第7章 BP網路的典型套用 107
7.1 數據歸一化方法 107
7.2 提前終止法 109
7.3 BP網路的局限性 111
7.4 BP網路典型套用 112
7.4.1 用BP網路估計膽固醇含量 112
7.4.2 線性神經網路在信號預測中的套用 115
第8章 線性神經網路算法分析與實現 120
8.1 線性神經網路工具箱函式 120
8.1.1 創建函式 120
8.1.2 學習函式 122
8.1.3 性能函式 124
8.2 線性神經網路模型及結構 125
8.3 線性神經網路的學習算法與訓練 126
8.3.1 線性神經網路的學習算法 126
8.3.2 線性神經網路的訓練 128
8.4 線性神經網路的濾波器 130
第9章 感知器網路算法分析與實現 133
9.1 單層感知器 133
9.1.1 單層感知器模型 133
9.1.2 單層感知器功能 134
9.1.3 單層感知器結構 136
9.1.4 單層感知器學習算法 137
9.1.5 單層感知器訓練 138
9.1.6 單層感知器局限性 139
9.1.7 單層感知器的MATLAB實現 140
9.2 多層感知器 147
9.2.1 多層感知器模型 147
9.2.2 多層感知器設計方法 147
9.2.3 多層感知器的MATLAB實現 148
第10章 神經網路工具箱函式分析與套用 153
10.1 神經網路仿真函式 153
10.2 神經網路訓練函式 155
10.2.1 train 156
10.2.2 trainb函式 156
10.3 神經網路學習函式 158
10.4 神經網路初始函式 161
10.5 神經網路輸入函式 163
10.6 神經網路的傳遞函式 165
10.7 神經網路求點積函式 168
第11章 BM網路與BSB網路算法分析與實現 169
11.1 Boltzmann神經網路 169
11.1.1 BM網路的基本結構 169
11.1.2 BM模型的學習 169
11.1.3 BM網路的實現 172
11.2 BSB神經網路 174
第12章 感知器網路工具箱函式及其套用 177
12.1 創建函式 177
12.2 顯示函式 180
12.3 性能函式 181
第13章 RBF神經網路算法分析與套用 186
13.1 RBF神經網路模型 186
13.2 RBF網的數學基礎 188
13.2.1 內插問題 188
13.2.2 正則化網路 189
13.3 RBF神經網路的學習算法 190
13.3.1 自組織選取中心法 190
13.3.2 梯度訓練方法 191
13.3.3 正交最小二乘（OLS）學習算法 192
13.4 其他RBF神經網路 193
13.4.1 廣義回歸神經網路 193
13.4.2 泛化回歸神經網路 194
13.4.3 機率神經網路 195
13.5 RBF神經網路MATLAB函式 196
13.5.1 創建函式 196
13.5.2 權函式 199
13.5.3 輸入函式 200
13.5.4 傳遞函式 201
13.5.5 mse函式 201
13.5.6 變換函式 202
第14章 Simulink神經網路套用 204
14.1 Simulink神經網路仿真模型庫 204
14.2 Simulink神經網路套用 208
第15章 ART網路與CP網路算法分析與套用 213
15.1 ART-1型網路 213
15.1.1 ART-1型網路結構 213
15.1.2 ART-1網路學習過程 215
15.1.3 ART-1網路的套用 216
15.2 ART-2型網路 218
15.2.1 網路結構與運行原理 219
15.2.2 網路的數學模型與學習算法 220
15.2.3 ART-2型網路在系統辨識中的套用 222
15.3 CP神經網路概述 223
15.3.1 CP網路學習 224
15.3.2 CP網路套用 225
第16章 Hopfield網路算法分析與實現 231
16.1 Hopfield神經網路 231
16.1.1 離散型Hopfield網路 231
16.1.2 DHNN的動力學穩定性 234
16.1.3 網路權值的學習 236
16.1.4 聯想記憶功能 239
16.2 連續型Hopfield網路 240
16.3 Hopfield神經網路的套用 242
16.3.1 Hopfield神經網路函式 242
16.3.2 Hopfield神經網路的套用 245
第17章 LVQ網路算法分析與套用 259
17.1 LVQ神經網路的結構 259
17.2 LVQ神經網路的學習算法 260
17.2.1 LVQ1算法 260
17.2.2 LVQ2算法 260
17.3 LVQ神經網路的特點 261
17.4 LVQ神經網路的MATLAB函式 262
17.5 LVQ神經網路的套用 264
第18章 自組織網路算法分析與實現 269
18.1 競爭學習的概念 270
18.2 競爭學習規則 271
18.3 競爭學習原理 272
18.4 競爭神經網路MATLAB實現 275
18.5 競爭型神經網路存在的問題 279
第19章 Elman網路算法分析與套用 280
19.1 Elman神經網路結構 280
19.2 Elman神經網路權值修正的學習算法 281
19.3 Elman網路穩定性推導 282
19.4 對角遞歸網路穩定時學習速率的確定 283
19.5 Elman神經網路在數據預測中的套用 284
第20章 BP網路工具箱函式及其套用 288
20.1 創建函式 289
20.2 傳遞函式 291
20.3 學習函式 293
20.4 訓練函式 294
20.5 性能函式 297
20.6 顯示函式 298
第21章 神經網路在實際案例中的套用 300
21.1 農作物蟲情預測 300
21.1.1 蟲情預測原理 300
21.1.2 網路實現 301
21.2 人臉識別 304
21.2.1 模型建立 305
21.2.2 網路實現 306
第22章 神經網路工具箱函式分析與套用 310
22.1 神經網路的構建函式 310
22.2 神經網路的套用函式 324
第23章 線性神經網路算法分析與設計 330
23.1 線性神經網路結構 330
23.2 線性神經網路設計 331
23.3 自適應濾波線性神經網路 333
23.4 線性神經網路的局限性 335
23.5 線性神經網路的MATLAB套用舉例 336
第24章 神經網路工具箱函式及實例分析 342
24.1 傳遞函式及其導函式 342
24.1.1 傳遞函式 342
24.1.2 傳遞函式的導函式 349
24.2 距離函式 354
24.3 權值函式及其導函式 356
24.3.1 權值函式 357
24.3.2 權值函式的導函式 358
24.4 結構函式 359
24.5 分析函式 361
24.6 轉換函式 362
24.7 繪圖函式 368
24.8 數據預處理和後處理函式 375
第25章 神經網路的工程套用 383
25.1 線性神經網路線上性預測中的套用 383
25.2 神經模糊控制在洗衣機中的套用 385
25.2.1 洗衣機的模糊控制 385
25.2.2 洗衣機的神經網路模糊控制器的設計 387
25.3 模糊神經網路在配送中心選址中的套用 391
25.4 Elman神經網路在信號檢測中的套用 394
25.5 神經網路在噪聲抵消系統中的套用 397
25.5.1 自適應噪聲抵消原理 397
25.5.2 噪聲抵消系統的MATLAB仿真 399
第26章 神經網路算法分析與工具箱套用 402
26.1 網路對象屬性 404
26.1.1 結構屬性 404
26.1.2 子對象結構屬性 408
26.1.3 函式屬性 411
26.1.4 權值和閾值 413
26.1.5 參數屬性 415
26.1.6 其他屬性 415
26.2 子對象屬性 416
26.2.1 輸入向量 416
26.2.2 網路層 417
26.2.3 輸出向量 422
26.2.4 閾值向量 422
26.2.5 輸入權值向量 424
26.2.6 目標向量 427
26.2.7 網路層權值向量 428
第27章 自定義函式及其套用 432
27.1 初始化函式 432
27.2 學習函式 435
27.3 仿真函式 440
27.3.1 傳遞函式 440
27.3.2 傳遞函式導數函式 443
27.3.3 網路輸入函式 444
27.3.4 網路輸入導函式 446
27.3.5 權值函式 448
27.3.6 權值導數函式 450
27.4 自組織函式 452
27.4.1 拓撲函式 452
27.4.2 距離函式 454
參考文獻 456
