Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用

定　價：￥29.00

作　者：	董長虹編
出版社：	國防工業(yè)出版社
叢編項：	Matlab應(yīng)用叢書
標(biāo)　簽：	Matlab

購買這本書可以去

ISBN：	9787118035391	出版時間：	2005-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	322	字?jǐn)?shù)：

內(nèi)容簡介

　　Matlab語言是Mathworks公司推出的一套高性能計算機編程語言，集數(shù)學(xué)計算、圖形顯示、語言設(shè)計于一體，其強大的擴展功能為用戶提供了廣闊的應(yīng)用空間。它附帶有30多個工具箱，神經(jīng)網(wǎng)絡(luò)工具箱就是其中之一。本書是在Matlab 6.5的神經(jīng)網(wǎng)絡(luò)工具箱v4.0.2基礎(chǔ)上編寫的，在M-book數(shù)據(jù)圖形文字環(huán)境下以圖文并茂的形式循序漸進的介紹了Matlab神經(jīng)網(wǎng)絡(luò)工具箱的原理和應(yīng)用。全書共分11章，首先就各類型神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)模型、設(shè)計、訓(xùn)練等加以描述，并輔以大量的應(yīng)用實例演示，然后介紹了神經(jīng)網(wǎng)絡(luò)圖形用戶界面，以及如何在Simulink環(huán)境下景象網(wǎng)絡(luò)設(shè)計，最后提供了自定義神經(jīng)網(wǎng)絡(luò)的方法。本書內(nèi)容廣泛，實例豐富，可作為高等學(xué)校計算機、電子工程、控制工程、應(yīng)用力學(xué)、信息科學(xué)、數(shù)學(xué)、機械工程等專業(yè)師生的參考資料，也可作為從事這些領(lǐng)域工作的廣大科技人員的參考用書。

作者簡介

暫缺《Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用》作者簡介

圖書目錄

第1章神經(jīng)網(wǎng)絡(luò)概述
1. 1 Matlab 6. 5語言簡介
1. 1. 1 Matlab的產(chǎn)生背景及主要產(chǎn)品
1. 1. 2 Matlab的語言特點
1. 1. 3 Matlab 6. 5的新特點
1. 2 神經(jīng)網(wǎng)絡(luò)的發(fā)展和應(yīng)用
1. 2. 1 神經(jīng)網(wǎng)絡(luò)的發(fā)展
1. 2. 2 神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容
1. 2. 3 神經(jīng)網(wǎng)絡(luò)的應(yīng)用
1. 3 神經(jīng)網(wǎng)絡(luò)模型
1. 3. 1 生物神經(jīng)元模型
1. 3. 2 神經(jīng)元模型
1. 3. 3 神經(jīng)元網(wǎng)絡(luò)模型
1. 4 神經(jīng)網(wǎng)絡(luò)工具箱概述
第2章感知器
2. 1 感知器神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)
2. 1. 1 神經(jīng)元模型
2. 1. 2 網(wǎng)絡(luò)結(jié)構(gòu)
2. 2 感知器神經(jīng)網(wǎng)絡(luò)的構(gòu)建
2. 2. 1 生成網(wǎng)絡(luò)
2. 2. 2 網(wǎng)絡(luò)仿真
2. 2. 3 網(wǎng)絡(luò)初始化
2. 3 感知器神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練
2. 3. 1 學(xué)習(xí)規(guī)則
2. 3. 2 網(wǎng)絡(luò)訓(xùn)練
2. 4 感知器網(wǎng)絡(luò)的局限性
2. 4. 1 標(biāo)準(zhǔn)化感知器學(xué)習(xí)規(guī)則
2. 4. 2 多層感知器
2. 5 感知器網(wǎng)絡(luò)設(shè)計實例
2. 5. 1 二輸入感知器分類問題
2. 5. 2 輸入奇異樣本對網(wǎng)絡(luò)訓(xùn)練的影響
2. 5. 3 線性不可分輸入量
第3章線性神經(jīng)網(wǎng)絡(luò)
3. 1 線性神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3. 1. 1 神經(jīng)元模型
3. 1. 2 網(wǎng)絡(luò)結(jié)構(gòu)
3. 2 線性神經(jīng)網(wǎng)絡(luò)的構(gòu)建
3. 2. 1 生成線性神經(jīng)元
3. 2. 2 線性系統(tǒng)設(shè)計
3. 2. 3 線性濾波器
3. 3 線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練
3. 3. 1 均方誤差
3. 3. 2 LMS算法
3. 3. 3 網(wǎng)絡(luò)訓(xùn)練
3. 4 線性網(wǎng)絡(luò)的局限性
3. 4. 1 超定系統(tǒng)
3. 4. 2 不定系統(tǒng)
3. 4. 3 線性相關(guān)向量
3. 4. 4 學(xué)習(xí)速率過大
3. 5 線性神經(jīng)網(wǎng)絡(luò)應(yīng)用實例分析
3. 5. 1 應(yīng)用線性網(wǎng)絡(luò)進行預(yù)測
3. 5. 2 自適應(yīng)預(yù)測
3. 5. 3 線性系統(tǒng)辨識
3. 5. 4 自適應(yīng)系統(tǒng)辨識
第四章 BP網(wǎng)絡(luò)
4. 1 BP網(wǎng)絡(luò)模型結(jié)構(gòu)
4. 1. 1 神經(jīng)元模型
4. 1. 2 前饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4. 2 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建
4. 3 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
4. 3. 1 BP算法
4. 3. 2 BP網(wǎng)絡(luò)批處理訓(xùn)練模式
4. 4 BP網(wǎng)絡(luò)的局限性
4. 5 BP網(wǎng)絡(luò)應(yīng)用實例分析
4. 5. 1 函數(shù)逼近
4. 5. 2 膽固醇含量估計
4. 5. 3 模式識別
第5章徑向基函數(shù)網(wǎng)絡(luò)
5. 1 徑向基函數(shù)網(wǎng)絡(luò)模型
5. 1. 1 徑向基函數(shù)神經(jīng)元模型
5. 1. 2 徑向基函數(shù)網(wǎng)絡(luò)的結(jié)構(gòu)
5. 1. 3 徑向基函數(shù)網(wǎng)絡(luò)的工作原理
5. 2 徑向基函數(shù)網(wǎng)絡(luò)的構(gòu)建
5. 2. 1 徑向基函數(shù)網(wǎng)絡(luò)的嚴(yán)格設(shè)計
5. 2. 2 更有效的徑向基函數(shù)網(wǎng)絡(luò)的設(shè)計
5. 3 廣義回歸神經(jīng)網(wǎng)絡(luò)
5. 3. 1 GRNN網(wǎng)絡(luò)結(jié)構(gòu)
5. 3. 2 GRNN網(wǎng)絡(luò)的工作原理
5. 3. 3 GRNN網(wǎng)絡(luò)設(shè)計
5. 4 概率神經(jīng)網(wǎng)絡(luò)
5. 4. 1 PNN網(wǎng)絡(luò)結(jié)構(gòu)
5. 4. 2 PNN網(wǎng)絡(luò)的工作原理
5. 4. 3 概率神經(jīng)網(wǎng)絡(luò)的設(shè)計
5. 5 徑向基函數(shù)網(wǎng)絡(luò)的應(yīng)用實例
5. 5. 1 函數(shù)逼近
5. 5. 2 散布常數(shù)對徑向基函數(shù)網(wǎng)絡(luò)設(shè)計的影響
5. 5. 3 應(yīng)用GRNN進行函數(shù)逼近
5. 5. 4 應(yīng)用PNN進行變量分類
第6章反饋型神經(jīng)網(wǎng)絡(luò)
6. 1 Hopfield網(wǎng)絡(luò)
6. 1. 1 離散Hopfield網(wǎng)絡(luò) DHNN
6. 1. 2 連續(xù)Hopfield網(wǎng)絡(luò) CHNN
6. 1. 3 Hopfield網(wǎng)絡(luò)模型結(jié)構(gòu)
6. 1. 4 Hopfield網(wǎng)絡(luò)的設(shè)計
6. 2 Elman神經(jīng)網(wǎng)絡(luò)
6. 2. 1 構(gòu)建Elman網(wǎng)絡(luò)
6. 2. 2 網(wǎng)絡(luò)仿真
6. 2. 3 Elman神經(jīng)網(wǎng)絡(luò)訓(xùn)練
6. 3 反饋網(wǎng)絡(luò)應(yīng)用實例分析
6. 3. 1 二神經(jīng)元的Hopfield神經(jīng)網(wǎng)絡(luò)設(shè)計
6. 3. 2 Hopfield網(wǎng)絡(luò)的不穩(wěn)定性
6. 3. 3 三神經(jīng)元的Hopfield神經(jīng)網(wǎng)絡(luò)設(shè)計
6. 3. 4 應(yīng)用Elman網(wǎng)絡(luò)進行振幅檢測
第7章競爭型神經(jīng)網(wǎng)絡(luò)
7. 1 自組織競爭神經(jīng)網(wǎng)絡(luò)
7. 1. 1 幾種聯(lián)想學(xué)習(xí)規(guī)則
7. 1. 2 自組織競爭神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
7. 1. 3 自組織競爭神經(jīng)網(wǎng)絡(luò)的設(shè)計
7. 2 自組織特征映射神經(jīng)網(wǎng)絡(luò)
7. 2. 1 SOFM網(wǎng)絡(luò)模型
7. 2. 2 SOFM網(wǎng)絡(luò)結(jié)構(gòu)
7. 2. 3 SOFM的構(gòu)建
7. 2. 4 SOFM網(wǎng)絡(luò)的訓(xùn)練
7. 3 學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò) LVQ
7. 3. 1 LVQ網(wǎng)絡(luò)結(jié)構(gòu)
7. 3. 2 LVQ網(wǎng)絡(luò)建立
7. 3. 3 LVQ網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練
7. 4 實例分析
7. 4. 1 自組織競爭網(wǎng)絡(luò)在模式分類中的應(yīng)用
7. 4. 2 一維自組織特征映射網(wǎng)絡(luò)設(shè)計
7. 4. 3 二維自組織特征映射網(wǎng)絡(luò)設(shè)計
7. 4. 4 LVQ模式分類網(wǎng)絡(luò)設(shè)計
第8章神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)
8. 1 神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制
8. 1. 1 系統(tǒng)辨識
8. 1. 2 預(yù)測控制
8. 1. 3 神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制器實例分析
8. 2 NARMA-L2 反饋線性化控制
8. 2. 1 NARMA-L2模型辨識
8. 2. 2 NARMA-L2控制器
8. 2. 3 NARMA-L2控制器實例分析
8. 3 模型參考控制
8. 3. 1 模型參考控制理論
8. 3. 2 模型參考控制實例分析
第9章圖形用戶界面
9. 1 網(wǎng)絡(luò)的創(chuàng)建
9. 1. 1 設(shè)置輸入和期望輸出
9. 1. 2 網(wǎng)絡(luò)生成
9. 2 網(wǎng)絡(luò)的訓(xùn)練仿真
9. 2. 1 網(wǎng)絡(luò)訓(xùn)練
9. 2. 2 網(wǎng)絡(luò)仿真
9. 3 GUI的數(shù)據(jù)處理
9. 3. 1 GUI導(dǎo)出數(shù)據(jù)到Matlab工作空間
9. 3. 2 GUI的數(shù)據(jù)清除
9. 3. 3 GUI從Matlab工作空間導(dǎo)入數(shù)據(jù)
9. 3. 4 GUI數(shù)據(jù)文件的存取
第10章 Simulink
10. 1 Simulink交互式仿真集成環(huán)境
10. 1. 1 Simulink模型的創(chuàng)建
10. 1. 2 Simulink仿真
10. 1. 3 Simulink簡單實例演示
10. 2 Simulink神經(jīng)網(wǎng)絡(luò)模塊
10. 2. 1 傳遞函數(shù)模塊
10. 2. 2 網(wǎng)絡(luò)輸入模塊
10. 2. 3 權(quán)值設(shè)置模塊
10. 2. 4 控制系統(tǒng)模塊
10. 3 神經(jīng)網(wǎng)絡(luò)Simulink模型設(shè)計
10. 3. 1 模型構(gòu)建
10. 3. 2 模型仿真
10. 3. 3 進一步試驗
第11章自定義神經(jīng)網(wǎng)絡(luò)
11. 1 自定義網(wǎng)絡(luò)
11. 1. 1 定制網(wǎng)絡(luò)
11. 1. 2 網(wǎng)絡(luò)設(shè)計
11. 1. 3 網(wǎng)絡(luò)訓(xùn)練
11. 2 自定義函數(shù)
11. 2. 1 仿真函數(shù)
11. 2. 2 初始化函數(shù)
11. 2. 3 學(xué)習(xí)函數(shù)
11. 2. 4 自組織映射函數(shù)
附錄神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)