MATLAB神经网络应用设计 第二版

MATLAB神经网络应用设计 第二版
作者：张德丰 等编著
出版时间：2012年版
内容简介
　　《MATLAB神经网络应用设计（第2版）》以MATLAB R2011a为平台编写，简洁明了地介绍了神经网络理论及其实现方法、神经网络背景及其MATLAB工具箱。同时又紧密联系实际应用，以具体的实例说明函数的使用方法，在实例中强调了如何应用MATLAB神经网络工具箱解决实际中的问题、难题。全书共分9章，首先讲解了MATLAB及神经网络的概述，让读者对MATLAB及神经网络有一个大致的认识，接着分别介绍了神经网络工具箱函数、前向型神经网络、反馈型神经网络、竞争型神经网络、神经网络的控制系统预测及诊断、神经网络图形用户接口、神经网络的Simulink和自定义神经网络等内容，让读者全面领略到MATLAB在神经网络中的应用。本书可作为高等理工科院校电子信息、通信工程及自动控制等学科的本科生的教学参考用书，也可供研究生以及从事神经网络研究的科研工作者学习参考。
目录
前言
第1章 MATLAB及神经网络的概述
1.1 MATLAB简介
1.1.1 MATLAB的发展史
1.1.2 MATLAB的主要功能
1.1.3 MATLAB的语言特点
1.1.4 MATLAB R2011a新功能
1.2 MATLAB工作环境
1.2.1 命令窗口
1.2.2 历史窗口
1.2.3 工作空间
1.2.4 数组编辑窗口
1.2.5 当前文件夹
1.2.6 搜索路径
1.3 帮助系统
1.3.1 文本格式帮助文件
1.3.2 PDF格式帮助文件
1.3.3 帮助交互界面
1.4 MATLAB的通用命令
1.5 MATLAB的数值
1.6 MATLAB的变量
1.7 MATLAB矩阵处理
1.7.1 矩阵的操作
1.7.2 矩阵与数组区别
1.8 M文件
1.8.1 脚本文件
1.8.2 函数文件
1.8.3 M文件的组成
1.9 MATLAB的流程控制结构
1.9.1 分支结构
1.9.2 循环结构
1.9.3 continue结构
1.9.4 break结构
1.10 神经网络的基本概念
1.10.1 生物神经元的结构与功能特点
1.10.2 人工神经元模型
1.10.3 神经网络的结构及工作方式
1.10.4 神经元的数学模型
1.10.5 神经元的网络模型
1.10.6 神经网络的学习
1.11 神经网络的特点
1.12 神经网络的发展
1.13 神经网络的研究内容
1.14 神经网络的应用
第2章 神经网络工具箱函数
2.1 感知器神经网络工具箱函数
2.1.1 创建函数
2.1.2 初始化函数
2.1.3 显示函数
2.1.4 仿真函数
2.1.5 性能函数
2.1.6 训练函数
2.1.7 学习函数
2.1.8 传递函数
2.2 线性神经网络工具箱函数
2.2.1 创建函数
2.2.2 学习函数
2.2.3 传输函数
2.2.4 权积函数
2.2.5 初始化函数
2.3 BP神经网络工具箱函数
2.3.1 创建函数
2.3.2 传递函数
2.3.3 MATLAB的发展史学习函数
2.3.4 性能函数
2.3.5 训练函数
2.3.6 显示函数
2.4 径向基神经网络工具箱函数
2.4.1 创建函数
2.4.2 变换函数
2.4.3 传递函数
2.4.4 距离函数
2.5 自组织神经网络工具箱函数
2.5.1 创建函数
2.5.2 传递函数
2.5.3 距离函数
2.5.4 学习函数
2.5.5 初始化函数
2.5.6 训练函数
2.5.7 显示函数
2.5.8 权值函数
2.5.9 结构函数
2.6 Hopfileld神经网络工具箱函数
2.6.1 传递函数
2.6.2 学习函数
2.7 Elman神经网络的工具箱函数
2.8 向量量化神经网络工具箱函数
2.8.1 创建函数
2.8.2 显示函数
第3章 前向型神经网络
3.1 感知器神经网络
3.1.1 单层感知器
3.1.2 多层感知器
3.1.3 感知器神经网络的MATLAB实现
3.2 线性神经网络
3.2.1 线性神经网络结构
3.2.2 线性神经网络学习
3.2.3 线性神经网络训练
3.2.4 线性神经网络的MATLAB实现
3.2.5 线性神经网络的局限性
3.2.6 线性神经网络的工程应用
3.3 BP神经网络
3.3.1 BP神经网络模型
3.3.2 BP神经网络算法
3.3.3 BP网络设计
3.3.4 BP神经网络局限性
3.3.5 BP神经网络算法改进
3.3.6 数值优化的BP网络训练算法
3.3.7 BP神经网络的工程应用
3.4 径向基神经网络
3.4.1 正则化理论及正则化RBF网络
3.4.2 径向基神经网络结构
3.4.3 径向基神经网络学习
3.4.4 径向基神经网络的工程应用
3.4.5 广义回归神经网络
3.4.6 概率神经网络
第4章 反馈型神经网络
4.1 反馈网络的概念
4.2 Hopfield神经网络
4.2.1 离散Hopfield网络（DHNN）
4.2.2 连续Hopfield神经网络
4.2.3 联想记忆
4.2.4 Hopfield神经网络的MATLAB实现
4.3 Elman神经网络
4.3.1 Elman神经网络结构
4.3.2 Elman神经网络的训练
4.3.3 Elman神经网络MATLAB实现
4.4 Boltzmann机网络
4.4.1 BM网络结构
4.4.2 BM网络的规则
4.4.3 用BM网络解TSP
4.4.4 Boltzmann机网络的MATLAB实现
4.5 双向联想记忆神经网络
4.5.1 BAM网络结构与原理
4.5.2 能量函数与稳定性分析
4.5.3 BAM网络的权值设计
4.5.4 BAM网络的应用
4.6 BSB模型
4.6.1 BSB网络模型概述
4.6.2 BSB的MATLAB实现
第5章 竞争型神经网络
5.1 竞争型神经网络的概念与原理
5.1.1 竞争型神经网络概念
5.1.2 竞争型神经网络的原理
5.2 几种联想学习规则
5.2.1 内星学习规则
5.2.2 外星学习规则
5.2.3 科荷伦（Kohonen）学习规则
5.3 自组织竞争神经网络模型
5.3.1 自组织竞争网络结构
5.3.2 自组织竞争网络学习规则
5.3.3 网络训练
5.3.4 竞争型网络存在的问题
5.3.5 竞争型网络的工程应用
5.4 自组织特征映射神经网络
5.4.1 SOFM网络的生物学基础
5.4.2 SOFM网络的拓扑结构
5.4.3 SOFM网络学习算法
5.4.4 SOFM网络的训练过程
5.4.5 SOFM网络的MATLAB实现
5.4.6 SOFM网络在实际工程中的应用
5.5 自适应共振网络
5.5.1 ART-1网络
5.5.2 ART-2网络
5.6 学习向量量化神经网络
5.6.1 LVQ网络模型
5.6.2 LVQ网络学习算法
5.6.3 LVQ网络学习MATLAB实现
5.7 对向传播网络
5.7.1 对向传播网络概述
5.7.2 CPN网络学习及规则
5.7.3 对向传播网络实际应用
第6章 神经网络的控制系统预测及诊断
6.1 神经网络的预测控制
6.1.1 系统辨识
6.1.2 自校正控制
6.1.3 自适应控制
6.1.4 预测控制
6.1.5 神经网络的预测控制MATLAB实现
6.2 NARMA-L2（反馈线性化）控制
6.2.1 NARMA-L2原理
6.2.2 NARMA-L2控制MATLAB实现
6.2.3 NARMA-L2控制器实例分析
6.3 地震预报的MATLAB实现
6.3.1 概述
6.3.2 地震预报的MATLAB实例分析
6.4 交通运输能力预测的MATLAB实现
6.4.1 概述
6.4.2 交通运输能力预测的MATLAB实例分析
6.5 农作物虫情预测的MATLAB实现
6.5.1 概述
6.5.2 农作物虫情预测MATLAB实例分析
6.6 基于概率神经网络的故障诊断
6.6.1 概述
6.6.2 基于PNN的故障诊断实例分析
6.7 基于BP网络和Elman网络的齿轮箱故障诊断
6.7.1 概述
6.7.2 基于 BP网络的齿轮箱故障诊断实例分析
6.7.3 Elman网络的齿轮箱故障诊断实例分析
6.8 基于RBF网络的船用柴油机故障诊断
6.8.1 概述
6.8.2 基于RBF网络的船用柴油机故障诊断实例分析
第7章 神经网络图形用户接口
7.1 图形用户界面介绍
7.2 网络设计
7.2.1 网络输入/输出设置
7.2.2 创建网络
7.3 网络的训练与仿真
7.3.1 网络训练
7.3.2 网络仿真
7.4 GUI数据处理
7.4.1 GUI数据导出工作空间
7.4.2 工作空间到GUI数据导入
7.4.3 GUI数据清除
7.4.4 数据的存取
7.5 神经网络拟合工具箱的GUI
第8章 神经网络的Simulink
8.1 Simulink交互式仿真集成环境
8.1.1 Simulink模型的创建
8.1.2 Simulink建模操作
8.1.3 Simulink参数设置
8.1.4 简单的Simulink例子
8.2 Simulink神经网络模块
8.2.1 传递函数模块库
8.2.2 网络输入模块库
8.2.3 权值设置模块库
8.2.4 处理模块库
8.2.5 控制系统模块库
8.3 Simulink神经网络设计
8.3.1 模型构建
8.3.2 模型仿真
8.3.3 修改信号源
第9章 自定义神经网络
9.1 自定义网络
9.1.1 创建自定义网络
9.1.2 网络训练
9.2 自定义函数
9.2.1 初始化函数
9.2.2 学习函数
9.2.3 仿真函数
9.2.4 自组织映射函数
参考文献