MATLAB R2016a神經(jīng)網(wǎng)絡(luò )設計應用27例簡(jiǎn)介，目錄書(shū)摘

全書(shū)共27個(gè)案例，從實(shí)用角度出發(fā)，詳盡地講述感知器網(wǎng)絡(luò )、線(xiàn)性神經(jīng)網(wǎng)絡(luò )、RBF神經(jīng)網(wǎng)絡(luò )、BP神經(jīng)網(wǎng)絡(luò )、反饋神經(jīng)網(wǎng)絡(luò )及自組織神經(jīng)網(wǎng)絡(luò )等內容，擴展介紹神經(jīng)網(wǎng)絡(luò )在其他工程領(lǐng)域的實(shí)際應用。

本書(shū)以MATLAB R2016a為平臺，通過(guò)專(zhuān)業(yè)技術(shù)與大量典型實(shí)例相結合，介紹了各種典型網(wǎng)絡(luò )的訓練過(guò)程和實(shí)際應用。全書(shū)共27個(gè)案例，從實(shí)用角度出發(fā)，詳盡地講述感知器網(wǎng)絡(luò )、線(xiàn)性神經(jīng)網(wǎng)絡(luò )、RBF神經(jīng)網(wǎng)絡(luò )、BP神經(jīng)網(wǎng)絡(luò )、反饋神經(jīng)網(wǎng)絡(luò )及自組織神經(jīng)網(wǎng)絡(luò )等內容，擴展介紹神經(jīng)網(wǎng)絡(luò )在其他工程領(lǐng)域的實(shí)際應用。本書(shū)可作為科研人員及工程技術(shù)人員的參考用書(shū)，也可作為本科生和研究生的學(xué)習用書(shū)。

顧艷春，男，華南理工計算機應用碩士，中山大學(xué)博士，佛山科學(xué)技術(shù)學(xué)院計算機系副主任。發(fā)表文章10余篇，承擔和參與國家自然科學(xué)基金、科技廳項目7項，參與多項橫向課題的研究。精通MATLAB，具備豐富實(shí)踐和寫(xiě)作經(jīng)驗。

目    錄
第1章  RBF神經(jīng)網(wǎng)絡(luò )的實(shí)際應用 1
1．1  用于曲線(xiàn)擬合的RBF神經(jīng)網(wǎng)絡(luò ) 1
1．2  徑向基網(wǎng)絡(luò )實(shí)現非線(xiàn)性函數回歸 10
1．3  CRNN網(wǎng)絡(luò )應用 13
1．4  PNN網(wǎng)絡(luò )應用 15
1．5  RBF神經(jīng)網(wǎng)絡(luò )的優(yōu)缺點(diǎn) 19
第2章  SOM網(wǎng)絡(luò )算法分析與應用 22
2．1  SOM網(wǎng)絡(luò )的生物學(xué)基礎 22
2．2  SOM網(wǎng)絡(luò )的拓撲結構 22
2．3  SOM網(wǎng)絡(luò )的權值調整 23
2．4  SOM網(wǎng)絡(luò )的MATLAB實(shí)現 26
2．5  SOM網(wǎng)絡(luò )的應用 33
第3章  線(xiàn)性網(wǎng)絡(luò )的實(shí)際應用 45
3．1  線(xiàn)性化建模 45
3．2  模式分類(lèi) 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(wǎng)絡(luò )算法分析與應用 61
4．1  BP網(wǎng)絡(luò )模型 61
4．2  BP網(wǎng)絡(luò )學(xué)習算法 62
4．2．1  BP網(wǎng)絡(luò )學(xué)習算法 62
4．2．2  BP網(wǎng)絡(luò )學(xué)習算法的比較 67
4．3  BP神經(jīng)網(wǎng)絡(luò )特點(diǎn) 68
4．4  BP網(wǎng)絡(luò )功能 68
4．5  BP網(wǎng)絡(luò )實(shí)例分析 68
第5章  神經(jīng)網(wǎng)絡(luò )在選址與地震預測中的應用 78
5．1  配送中心選址 78
5．2  地震預報 81
5．2．1  問(wèn)題概述 82
5．2．2  網(wǎng)絡(luò )設計 83
5．2．3  網(wǎng)絡(luò )訓練與測試 83
5．2．4  網(wǎng)絡(luò )實(shí)現 88
第6章  模糊神經(jīng)網(wǎng)絡(luò )的算法分析與實(shí)現 91
6．1  模糊神經(jīng)網(wǎng)絡(luò )的形式 91
6．2  神經(jīng)網(wǎng)絡(luò )和模糊控制結合的優(yōu)點(diǎn) 92
6．3  神經(jīng)模糊控制器 92
6．4  神經(jīng)模糊控制器的學(xué)習算法 95
6．5  模糊神經(jīng)網(wǎng)絡(luò )MATLAB函數 97
6．5．1  模糊神經(jīng)系統的建模函數 97
6．5．2  采用網(wǎng)格分割方式生成模糊推理系統函數 102
6．6  MATLAB模糊神經(jīng)推理系統的圖形用戶(hù)界面 103
第7章  BP網(wǎng)絡(luò )的典型應用 107
7．1  數據歸一化方法 107
7．2  提前終止法 109
7．3  BP網(wǎng)絡(luò )的局限性 111
7．4  BP網(wǎng)絡(luò )典型應用 112
7．4．1  用BP網(wǎng)絡(luò )估計膽固醇含量 112
7．4．2  線(xiàn)性神經(jīng)網(wǎng)絡(luò )在信號預測中的應用 115
第8章  線(xiàn)性神經(jīng)網(wǎng)絡(luò )算法分析與實(shí)現 120
8．1  線(xiàn)性神經(jīng)網(wǎng)絡(luò )工具箱函數 120
8．1．1  創(chuàng )建函數 120
8．1．2  學(xué)習函數 122
8．1．3  性能函數 124
8．2  線(xiàn)性神經(jīng)網(wǎng)絡(luò )模型及結構 125
8．3  線(xiàn)性神經(jīng)網(wǎng)絡(luò )的學(xué)習算法與訓練 126
8．3．1  線(xiàn)性神經(jīng)網(wǎng)絡(luò )的學(xué)習算法 126
8．3．2  線(xiàn)性神經(jīng)網(wǎng)絡(luò )的訓練 128
8．4  線(xiàn)性神經(jīng)網(wǎng)絡(luò )的濾波器 130
第9章  感知器網(wǎng)絡(luò )算法分析與實(shí)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(xué)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(shí)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(shí)現 148

第10章  神經(jīng)網(wǎng)絡(luò )工具箱函數分析與應用 153
10．1  神經(jīng)網(wǎng)絡(luò )仿真函數 153
10．2  神經(jīng)網(wǎng)絡(luò )訓練函數 155
10．2．1  train 156
10．2．2  trainb函數 156
10．3  神經(jīng)網(wǎng)絡(luò )學(xué)習函數 158
10．4  神經(jīng)網(wǎng)絡(luò )初始函數 161
10．5  神經(jīng)網(wǎng)絡(luò )輸入函數 163
10．6  神經(jīng)網(wǎng)絡(luò )的傳遞函數 165
10．7  神經(jīng)網(wǎng)絡(luò )求點(diǎn)積函數 168
第11章  BM網(wǎng)絡(luò )與BSB網(wǎng)絡(luò )算法分析與實(shí)現 169
11．1  Boltzmann神經(jīng)網(wǎng)絡(luò ) 169
11．1．1  BM網(wǎng)絡(luò )的基本結構 169
11．1．2  BM模型的學(xué)習 169
11．1．3  BM網(wǎng)絡(luò )的實(shí)現 172
11．2  BSB神經(jīng)網(wǎng)絡(luò ) 174
第12章  感知器網(wǎng)絡(luò )工具箱函數及其應用 177
12．1  創(chuàng )建函數 177
12．2  顯示函數 180
12．3  性能函數 181
第13章  RBF神經(jīng)網(wǎng)絡(luò )算法分析與應用 186
13．1  RBF神經(jīng)網(wǎng)絡(luò )模型 186
13．2  RBF網(wǎng)的數學(xué)基礎 188
13．2．1  內插問(wèn)題 188
13．2．2  正則化網(wǎng)絡(luò ) 189
13．3  RBF神經(jīng)網(wǎng)絡(luò )的學(xué)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(xué)習算法 192
13．4  其他RBF神經(jīng)網(wǎng)絡(luò ) 193
13．4．1  廣義回歸神經(jīng)網(wǎng)絡(luò ) 193
13．4．2  泛化回歸神經(jīng)網(wǎng)絡(luò ) 194
13．4．3  概率神經(jīng)網(wǎng)絡(luò ) 195
13．5  RBF神經(jīng)網(wǎng)絡(luò )MATLAB函數 196
13．5．1  創(chuàng )建函數 196
13．5．2  權函數 199
13．5．3  輸入函數 200
13．5．4  傳遞函數 201
13．5．5  mse函數 201
13．5．6  變換函數 202
第14章  Simulink神經(jīng)網(wǎng)絡(luò )應用 204
14．1  Simulink神經(jīng)網(wǎng)絡(luò )仿真模型庫 204
14．2  Simulink神經(jīng)網(wǎng)絡(luò )應用 208
第15章  ART網(wǎng)絡(luò )與CP網(wǎng)絡(luò )算法分析與應用 213
15．1  ART-1型網(wǎng)絡(luò ) 213
15．1．1  ART-1型網(wǎng)絡(luò )結構 213
15．1．2  ART-1網(wǎng)絡(luò )學(xué)習過(guò)程 215
15．1．3  ART-1網(wǎng)絡(luò )的應用 216
15．2  ART-2型網(wǎng)絡(luò ) 218
15．2．1  網(wǎng)絡(luò )結構與運行原理 219
15．2．2  網(wǎng)絡(luò )的數學(xué)模型與學(xué)習算法 220
15．2．3  ART-2型網(wǎng)絡(luò )在系統辨識中的應用 222
15．3  CP神經(jīng)網(wǎng)絡(luò )概述 223
15．3．1  CP網(wǎng)絡(luò )學(xué)習 224
15．3．2  CP網(wǎng)絡(luò )應用 225
第16章  Hopfield網(wǎng)絡(luò )算法分析與實(shí)現 231
16．1  Hopfield神經(jīng)網(wǎng)絡(luò ) 231
16．1．1  離散型Hopfield網(wǎng)絡(luò ) 231
16．1．2  DHNN的動(dòng)力學(xué)穩定性 234
16．1．3  網(wǎng)絡(luò )權值的學(xué)習 236
16．1．4  聯(lián)想記憶功能 239
16．2  連續型Hopfield網(wǎng)絡(luò ) 240
16．3  Hopfield神經(jīng)網(wǎng)絡(luò )的應用 242
16．3．1  Hopfield神經(jīng)網(wǎng)絡(luò )函數 242
16．3．2  Hopfield神經(jīng)網(wǎng)絡(luò )的應用 245
第17章  LVQ網(wǎng)絡(luò )算法分析與應用 259
17．1  LVQ神經(jīng)網(wǎng)絡(luò )的結構 259
17．2  LVQ神經(jīng)網(wǎng)絡(luò )的學(xué)習算法 260
17．2．1  LVQ1算法 260
17．2．2  LVQ2算法 260
17．3  LVQ神經(jīng)網(wǎng)絡(luò )的特點(diǎn) 261
17．4  LVQ神經(jīng)網(wǎng)絡(luò )的MATLAB函數 262
17．5  LVQ神經(jīng)網(wǎng)絡(luò )的應用 264
第18章  自組織網(wǎng)絡(luò )算法分析與實(shí)現 269
18．1  競爭學(xué)習的概念 270
18．2  競爭學(xué)習規則 271
18．3  競爭學(xué)習原理 272
18．4  競爭神經(jīng)網(wǎng)絡(luò )MATLAB實(shí)現 275
18．5  競爭型神經(jīng)網(wǎng)絡(luò )存在的問(wèn)題 279
第19章  Elman網(wǎng)絡(luò )算法分析與應用 280
19．1  Elman神經(jīng)網(wǎng)絡(luò )結構 280
19．2  Elman神經(jīng)網(wǎng)絡(luò )權值修正的學(xué)習算法 281
19．3  Elman網(wǎng)絡(luò )穩定性推導 282
19．4  對角遞歸網(wǎng)絡(luò )穩定時(shí)學(xué)習速率的確定 283
19．5  Elman神經(jīng)網(wǎng)絡(luò )在數據預測中的應用 284
第20章  BP網(wǎng)絡(luò )工具箱函數及其應用 288
20．1  創(chuàng )建函數 289
20．2  傳遞函數 291
20．3  學(xué)習函數 293
20．4  訓練函數 294
20．5  性能函數 297
20．6  顯示函數 298
第21章  神經(jīng)網(wǎng)絡(luò )在實(shí)際案例中的應用 300
21．1  農作物蟲(chóng)情預測 300
21．1．1  蟲(chóng)情預測原理 300
21．1．2  網(wǎng)絡(luò )實(shí)現 301
21．2  人臉識別 304
21．2．1  模型建立 305
21．2．2  網(wǎng)絡(luò )實(shí)現 306
第22章  神經(jīng)網(wǎng)絡(luò )工具箱函數分析與應用 310
22．1  神經(jīng)網(wǎng)絡(luò )的構建函數 310
22．2  神經(jīng)網(wǎng)絡(luò )的應用函數 324
第23章  線(xiàn)性神經(jīng)網(wǎng)絡(luò )算法分析與設計 330
23．1  線(xiàn)性神經(jīng)網(wǎng)絡(luò )結構 330
23．2  線(xiàn)性神經(jīng)網(wǎng)絡(luò )設計 331
23．3  自適應濾波線(xiàn)性神經(jīng)網(wǎng)絡(luò ) 333
23．4  線(xiàn)性神經(jīng)網(wǎng)絡(luò )的局限性 335
23．5  線(xiàn)性神經(jīng)網(wǎng)絡(luò )的MATLAB應用舉例 336
第24章  神經(jīng)網(wǎng)絡(luò )工具箱函數及實(shí)例分析 342
24．1  傳遞函數及其導函數 342
24．1．1  傳遞函數 342
24．1．2  傳遞函數的導函數 349
24．2  距離函數 354
24．3  權值函數及其導函數 356
24．3．1  權值函數 357
24．3．2  權值函數的導函數 358
24．4  結構函數 359
24．5  分析函數 361
24．6  轉換函數 362
24．7  繪圖函數 368
24．8  數據預處理和后處理函數 375
第25章  神經(jīng)網(wǎng)絡(luò )的工程應用 383
25．1  線(xiàn)性神經(jīng)網(wǎng)絡(luò )在線(xiàn)性預測中的應用 383
25．2  神經(jīng)模糊控制在洗衣機中的應用 385
25．2．1  洗衣機的模糊控制 385
25．2．2  洗衣機的神經(jīng)網(wǎng)絡(luò )模糊控制器的設計 387
25．3  模糊神經(jīng)網(wǎng)絡(luò )在配送中心選址中的應用 391
25．4  Elman神經(jīng)網(wǎng)絡(luò )在信號檢測中的應用 394
25．5  神經(jīng)網(wǎng)絡(luò )在噪聲抵消系統中的應用 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(jīng)網(wǎng)絡(luò )算法分析與工具箱應用 402
26．1  網(wǎng)絡(luò )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  函數屬性 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(wǎng)絡(luò )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(wǎng)絡(luò )層權值向量 428
第27章  自定義函數及其應用 432
27．1  初始化函數 432
27．2  學(xué)習函數 435
27．3  仿真函數 440
27．3．1  傳遞函數 440
27．3．2  傳遞函數導數函數 443
27．3．3  網(wǎng)絡(luò )輸入函數 444
27．3．4  網(wǎng)絡(luò )輸入導函數 446
27．3．5  權值函數 448
27．3．6  權值導數函數 450
27．4  自組織函數 452
27．4．1  拓撲函數 452
27．4．2  距離函數 454
參考文獻 456