Matlab神经网络与应用

定　价：¥29.00

作　者：	董长虹编
出版社：	国防工业出版社
丛编项：	Matlab应用丛书
标　签：	Matlab

购买这本书可以去

ISBN：	9787118035391	出版时间：	2005-01-01	包装：	平装
开本：	16开	页数：	322	字数：

内容简介

　　Matlab语言是Mathworks公司推出的一套高性能计算机编程语言，集数学计算、图形显示、语言设计于一体，其强大的扩展功能为用户提供了广阔的应用空间。它附带有30多个工具箱，神经网络工具箱就是其中之一。本书是在Matlab 6.5的神经网络工具箱v4.0.2基础上编写的，在M-book数据图形文字环境下以图文并茂的形式循序渐进的介绍了Matlab神经网络工具箱的原理和应用。全书共分11章，首先就各类型神经网络的结构模型、设计、训练等加以描述，并辅以大量的应用实例演示，然后介绍了神经网络图形用户界面，以及如何在Simulink环境下景象网络设计，最后提供了自定义神经网络的方法。本书内容广泛，实例丰富，可作为高等学校计算机、电子工程、控制工程、应用力学、信息科学、数学、机械工程等专业师生的参考资料，也可作为从事这些领域工作的广大科技人员的参考用书。

作者简介

暂缺《Matlab神经网络与应用》作者简介

图书目录

第1章神经网络概述
1. 1 Matlab 6. 5语言简介
1. 1. 1 Matlab的产生背景及主要产品
1. 1. 2 Matlab的语言特点
1. 1. 3 Matlab 6. 5的新特点
1. 2 神经网络的发展和应用
1. 2. 1 神经网络的发展
1. 2. 2 神经网络的研究内容
1. 2. 3 神经网络的应用
1. 3 神经网络模型
1. 3. 1 生物神经元模型
1. 3. 2 神经元模型
1. 3. 3 神经元网络模型
1. 4 神经网络工具箱概述
第2章感知器
2. 1 感知器神经网络模型结构
2. 1. 1 神经元模型
2. 1. 2 网络结构
2. 2 感知器神经网络的构建
2. 2. 1 生成网络
2. 2. 2 网络仿真
2. 2. 3 网络初始化
2. 3 感知器神经网络的学习和训练
2. 3. 1 学习规则
2. 3. 2 网络训练
2. 4 感知器网络的局限性
2. 4. 1 标准化感知器学习规则
2. 4. 2 多层感知器
2. 5 感知器网络设计实例
2. 5. 1 二输入感知器分类问题
2. 5. 2 输入奇异样本对网络训练的影响
2. 5. 3 线性不可分输入量
第3章线性神经网络
3. 1 线性神经网络结构
3. 1. 1 神经元模型
3. 1. 2 网络结构
3. 2 线性神经网络的构建
3. 2. 1 生成线性神经元
3. 2. 2 线性系统设计
3. 2. 3 线性滤波器
3. 3 线性神经网络的学习和训练
3. 3. 1 均方误差
3. 3. 2 LMS算法
3. 3. 3 网络训练
3. 4 线性网络的局限性
3. 4. 1 超定系统
3. 4. 2 不定系统
3. 4. 3 线性相关向量
3. 4. 4 学习速率过大
3. 5 线性神经网络应用实例分析
3. 5. 1 应用线性网络进行预测
3. 5. 2 自适应预测
3. 5. 3 线性系统辨识
3. 5. 4 自适应系统辨识
第四章 BP网络
4. 1 BP网络模型结构
4. 1. 1 神经元模型
4. 1. 2 前馈型神经网络结构
4. 2 BP神经网络的构建
4. 3 BP神经网络的训练
4. 3. 1 BP算法
4. 3. 2 BP网络批处理训练模式
4. 4 BP网络的局限性
4. 5 BP网络应用实例分析
4. 5. 1 函数逼近
4. 5. 2 胆固醇含量估计
4. 5. 3 模式识别
第5章径向基函数网络
5. 1 径向基函数网络模型
5. 1. 1 径向基函数神经元模型
5. 1. 2 径向基函数网络的结构
5. 1. 3 径向基函数网络的工作原理
5. 2 径向基函数网络的构建
5. 2. 1 径向基函数网络的严格设计
5. 2. 2 更有效的径向基函数网络的设计
5. 3 广义回归神经网络
5. 3. 1 GRNN网络结构
5. 3. 2 GRNN网络的工作原理
5. 3. 3 GRNN网络设计
5. 4 概率神经网络
5. 4. 1 PNN网络结构
5. 4. 2 PNN网络的工作原理
5. 4. 3 概率神经网络的设计
5. 5 径向基函数网络的应用实例
5. 5. 1 函数逼近
5. 5. 2 散布常数对径向基函数网络设计的影响
5. 5. 3 应用GRNN进行函数逼近
5. 5. 4 应用PNN进行变量分类
第6章反馈型神经网络
6. 1 Hopfield网络
6. 1. 1 离散Hopfield网络 DHNN
6. 1. 2 连续Hopfield网络 CHNN
6. 1. 3 Hopfield网络模型结构
6. 1. 4 Hopfield网络的设计
6. 2 Elman神经网络
6. 2. 1 构建Elman网络
6. 2. 2 网络仿真
6. 2. 3 Elman神经网络训练
6. 3 反馈网络应用实例分析
6. 3. 1 二神经元的Hopfield神经网络设计
6. 3. 2 Hopfield网络的不稳定性
6. 3. 3 三神经元的Hopfield神经网络设计
6. 3. 4 应用Elman网络进行振幅检测
第7章竞争型神经网络
7. 1 自组织竞争神经网络
7. 1. 1 几种联想学习规则
7. 1. 2 自组织竞争神经网络的结构
7. 1. 3 自组织竞争神经网络的设计
7. 2 自组织特征映射神经网络
7. 2. 1 SOFM网络模型
7. 2. 2 SOFM网络结构
7. 2. 3 SOFM的构建
7. 2. 4 SOFM网络的训练
7. 3 学习矢量量化神经网络 LVQ
7. 3. 1 LVQ网络结构
7. 3. 2 LVQ网络建立
7. 3. 3 LVQ网络学习和训练
7. 4 实例分析
7. 4. 1 自组织竞争网络在模式分类中的应用
7. 4. 2 一维自组织特征映射网络设计
7. 4. 3 二维自组织特征映射网络设计
7. 4. 4 LVQ模式分类网络设计
第8章神经网络控制系统
8. 1 神经网络模型预测控制
8. 1. 1 系统辨识
8. 1. 2 预测控制
8. 1. 3 神经网络模型预测控制器实例分析
8. 2 NARMA-L2 反馈线性化控制
8. 2. 1 NARMA-L2模型辨识
8. 2. 2 NARMA-L2控制器
8. 2. 3 NARMA-L2控制器实例分析
8. 3 模型参考控制
8. 3. 1 模型参考控制理论
8. 3. 2 模型参考控制实例分析
第9章图形用户界面
9. 1 网络的创建
9. 1. 1 设置输入和期望输出
9. 1. 2 网络生成
9. 2 网络的训练仿真
9. 2. 1 网络训练
9. 2. 2 网络仿真
9. 3 GUI的数据处理
9. 3. 1 GUI导出数据到Matlab工作空间
9. 3. 2 GUI的数据清除
9. 3. 3 GUI从Matlab工作空间导入数据
9. 3. 4 GUI数据文件的存取
第10章 Simulink
10. 1 Simulink交互式仿真集成环境
10. 1. 1 Simulink模型的创建
10. 1. 2 Simulink仿真
10. 1. 3 Simulink简单实例演示
10. 2 Simulink神经网络模块
10. 2. 1 传递函数模块
10. 2. 2 网络输入模块
10. 2. 3 权值设置模块
10. 2. 4 控制系统模块
10. 3 神经网络Simulink模型设计
10. 3. 1 模型构建
10. 3. 2 模型仿真
10. 3. 3 进一步试验
第11章自定义神经网络
11. 1 自定义网络
11. 1. 1 定制网络
11. 1. 2 网络设计
11. 1. 3 网络训练
11. 2 自定义函数
11. 2. 1 仿真函数
11. 2. 2 初始化函数
11. 2. 3 学习函数
11. 2. 4 自组织映射函数
附录神经网络工具箱函数