第一章 概论
1. 1 MATLAB软件包的特征
1. 2 MATLAB的运行环境
1. 2. 1 MATLAB的运行方式
1. 2. 2 MATLAB中的窗口
1. 3 MATLAB的帮助系统
1. 3. 1 命令行帮助
1. 3. 2 联机帮助
1. 3. 3 演示帮助
1. 4 MATLAB软件包的构成和应用概述
1. 4. 1 MATLAB软件包的构成
1. 4. 2 MATLAB的应用
1. 5 神经网络发展和应用
1. 5. 1 人工神经网络发展的历史回顾
1. 5. 2 神经网络的应用
1. 5. 3 神经网络的学习方法
1. 6 面向MATLAB工具箱的神经网络设计概述
1. 6. 1 MATLAB神经网络工具箱
1. 6. 2 神经网络技术的选取
1. 6. 3 运用工具箱设计网络的原则和过程
第二章 MATLAB数值计算功能
2. 1 矩阵与数组运算
2. 1. 1 矩阵的建立
2. 1. 2 矩阵和数组运算指令对照汇总
2. 2 矩阵与数组函数
2. 2. 1 基本数组函数
2. 2. 2 基本矩阵函数
2. 2. 3 几个易混淆的两种函数运算
2. 3 关系运算和逻辑运算
2. 3. 1 关系运算
2. 3. 2 逻辑运算
2. 4 矩阵的分解
2. 4. 1 三角分解
2. 4. 2 正交分解
2. 4. 3 特征值分解
2. 4. 4 奇异值分解
2. 5 多项式
2. 5. 1 多项式的表达和创建
2. 5. 2 多项式的运算
2. 6 数据分析
2. 6. 1 基本统计函数指令
2. 6. 2 协方差阵和相关阵
2. 6. 3 有限差分和导数
2. 6. 4 数据滤波
2. 7 数值分析
2. 7. 1 数值积分
2. 7. 2 微分方程的数值解
第三章 MATLAB符号处理
3. 1 字符串
3. 1. l 字符数组
3. 1. 2 字符的ASCH码转换
3. 1. 3 创建二维的字符数组
3. 1. 4 字符串中的单元数组
3. 1. 5 字符数组与单元数组间的转换
3. 1. 6 字符串比较
3. 1. 7 判断字符串是否相等
3. 1. 8 通过字符的运算来比较字符
3. 1. 9 字符串中字符的分类
3. 1. 10 查找与替换
3. 1. 11 字符串和数值的相互转换
3. 2 符号矩阵的运算
3. 2. 1 符号矩阵的创建
3. 2. 2 符号矩阵的加. 减. 乘. 除运算
3. 2. 3 符号矩阵的逆和除运算
3. 2. 4 符号矩阵的幂运算
3. 2. 5 符号矩阵的综合运算指令
3. 2. 6 符号变量替换
3. 2. 7 符号矩阵的分解
3. 2. 8 符号微积分
3. 2. 9 符号代数方程的求解
3. 2. 10 符号微分方程的求解
3. 3 符号函数绘图
第四章 绘图
4. 1 二维绘图
4. 1. 1 plot
4. 1. 2 fihgure和subplot
4. 1. 3 绘图指令的开关控制
4. 1. 4 标题与坐标轴的操作
4. 2 三维绘图
4. 2. 1 mesh
4. 2. 2 3D图形的颜色. 光线来源及图上标点的设定
4. 2. 3 透视与视角的设置
4. 3 图形句柄
4. 3. 1 图形对象
4. 3. 2 图形对象的句柄
4. 3. 3 对象创建函数
4. 3. 4 对象品性及其设置和查询
4. 3. 5 实时动画的制作
第五章 MATLAB的程序设计
5. 1 MATLAB程序设计入门
5. 1. 1 编辑程序和M文件的形式
5. 1. 2 MATLAB的命令文件
5. 1. 3 MATLAB的函数文件
5. 2 参数与变量
5. 2. 1 参数
5. 2. 2 局部变量与全局变量
5. 3 数据类型
5. 4 程序结构
5. 4. 1 顺序结构
5. 4. 2 循环结构
5. 4. 3 分支结构
5. 5 程序流控制语句
5. 5. 1 echo指令
5. 5. 2 input. yesinput指令
5. 5. 3 pause指令
5. 5. 4 keyboard指令
5. 5. 5 break指令
5. 6 函数调用及变量传递
5. 6. 1 函数调用
5. 6. 2 参数传递
5. 7 神经网络应用设计举例
5. 7. 1 带有偏差单元的递归神经网络
5. 7. 2 具有快速学习算法的补偿模糊神经网络
5. 7. 3 小脑模型神经网络算法研究
5. 7. 4 神经—模糊系统研究
第六章 感知器
6. 1 感知器原理
6. 1. 1 感知器神经模型
6. 1. 2 感知器神经元网络的结构
6. 1. 3 感知器神经网络的学习规则
6. 2 感知器神经网络的设计
6. 2. 1 感知器神经网络的初始化
6. 2. 2 感知器神经网络的创建
6. 2. 3 感知器神经网络的仿真
6. 2. 4 感知器神经网络的训练
6. 3 感知器神经网络的局限性
6. 4 图形用户界面
6. 5 MATLAB中关于感知器神经网络的工具函数
6. 6 感知器神经网络设计实例
6. 6. 1 多个感知器神经元的分类问题
6. 6. 2 奇异样本对感知器神经网络训练的影响
6. 6. 3 线性不可分的输入向量
第七章 线性神经网络
7. 1 线性神经网络原理
7. 1. 1 线性神经元模型
7. 1. 2 线性神经网络的结构
7. 1. 3 线性神经网络的学习规则
7. 2 线性神经网络的设计
7. 2. 1 线性神经网络的初始化
7. 2. 2 线性神经网络的创建
7. 2. 3 线性神经网络的设计
7. 2. 4 线性神经网络的训练
7. 3 线性神经网络的局限性
7. 4 MATLAB中有关线性神经网络的工具函数
7. 5 线性神经网络设计实例
第八章 BP神经网络
8. 1 BP网络理论
8. 1. 1 BP网络结构
8. 1. 2 BP网络学习公式推导
8. 2 面向MATLAB的BP神经网络原理
8. 2. 1 BP神经元结构
8. 2. 2 BP神经网络的结构
8. 3 面向MATLAB的BP神经网络的设计
8. 3. 1 BP神经网络的初始化
8. 3. 2 BP神经网络的创建
8. 3. 3 BP神经网络的仿真
8. 3. 4 BP神经网络的训练
8. 3. 5 BP神经网络泛化的改进
8. 3. 6 BP神经网络训练样本的处理
第九章 径向基神经网络
9. 1 径向基函数神经网络的理论基础
9, 2 面向MATLAB工具箱的径向基神经网络
9. 2. 1 面向MATLAB工具箱的径向基神经元模型
9. 2. 2 面向MATLAB工具箱的径向基神经网络
9. 3 径向基神经网络的设计
9. 3. 1 精确设计函数(newrbe)
9. 3. 2 普通设计函数(newrb)
9. 4 广义回归神经网络
9. 5 概率神经网络
9. 6 MATLAB中关于径向基函数神经网络的工具函数
9. ? 径向基函数网络与模糊理论的结合及应用
9. 7. 1 径向基函数网络和模糊推理系统的功能等价关系
9. 7. 2 基于自适应模糊系统的径向基高斯函数网络
9. 7. 3 学习算法
9. 7. 4 非线性系统的故障诊断
第十章 自组织竞争人工神经网络
10. 1 自组织竞争人工神经网络
10. 1. 1 自组织竞争人工神经网络的结构
10. 1. 2 自组织竞争人工神经网络的创建
10. 1. 3 自组织竞争人工神经网络的训练
10. 2 自组织特征映射神经网络
10. 2. 1 自组织特征映射神经网络的结构
10. 2. 2 自组织特征映射神经网络的创建
10. 2. 3 自组织特征映射神经网络的训练
10. 3 学习向量量化神经网络
10. 3. 1 学习向量量化神经网络的结构
10. 3. 2 学习向量量化神经网络的创建
10. 3. 3 学习向量量化神经网络的训练
10. 4 MATLAB中关于自组织神经网络的工具函数
10. 5 网络设计实例
10. 5. 1 使用自组织竞争神经网络进行模式识别
10. 5. 2 一维自组织特征映射神经网络设计实例
10. 5. 3 二维自组织特征映射神经网络设计实例
第十一章 回归神经网络
11. 1 回归神经网络理论基础
11. 1. 1 Hopfield网络
11. 1. 2 Elman神经网络
11. 2 E1man神经网络
11. 2. 1 Elman神经网络的结构
11. 2. 2 Elman神经网络的创建
11. 2. 3 Elman神经网络的训练
11. 3 Hopfield神经网络
11. 3. 1 Hopfield神经网络的结构
11. 3. 2 Hopfield神经网络的设计
11. 4 有关回归神经网络的工具函数
主要参考文献
鄂公网安备 42010302001612号 