MATLAB神經網絡仿真與應用

第1章 神經網絡緒論
　1.1 人工神經網絡的介紹
　1.2 神經網絡的發(fā)展歷程
　　1.2.1 神經網絡的起始
　　1.2.2 神經網絡的蕭條
　　1.2.3 神經網絡興盛
　1.3 神經網絡模型
　　1.3.1 生物神經元模塊
　　1.3.2 人工神經元模型
　1.4 人工神經網絡的分類
　1.5 神經網絡的學習方式
　1.6 神經網絡的特點及優(yōu)點
　　1.6.1 神經網絡特點
　　1.6.2 神經網絡的優(yōu)點
　1.7 神經網絡的結構
　1.8 人工神經網絡與人工智能
　　1.8.1 人工智能的概述
　　1.8.2 人工神經網絡的應用
　　1.8.3 人工神經網絡與人工智能相比較
第2章 MATLAB語言及神經元
　2.1 MATLAB簡介
　2.2 MATLAB的語言特點
　2.3 MATLAB 7.2的新特點
　2.4 MATLAB神經網絡工具箱
　　2.4.1 MATLAB 6.x神經網絡工具箱
　　2.4.2 MATLAB 7.x神經網絡工具箱
　2.5 MATLAB神經網絡工具箱的對象與屬性
　　2.5.1 網絡對象屬性
　　2.5.2 子對象屬性
第3章 神經網絡工具箱函數的分析及實例
　3.1 神經網絡的構建函數
　3.2 神經網絡的應用函數
　3.3 權值和閾值初始化函數
　3.4 訓練和自適應調整函數
　3.5 神經網絡的學習函數
　3.6 神經網絡的輸入函數及其導函數
　　3.6.1 輸入函數
　　3.6.2 輸入函數的導函數
　3.7 神經網絡的性能函數及其導函數
　　3.7.1 性能函數
　　3.7.2 性能函數的導函數
　3.8 傳遞函數及其導函數
　　3.8.1 傳遞函數
　　3.8.2 傳遞函數的導函數
　3.9 距離函數
　3.10 權值函數及其導函數
　　3.10.1 權值函數
　　3.10.2 權值函數的導函數
　3.11 結構函數
　3.12 分析函數
　3.13 轉換函數
　3.14 繪圖函數
　3.15 數據預處理和后處理函數
第4章 前向型神經網絡及MATLAB應用舉例
　4.1 感知器
　　4.1.1 單層感知器模型
　　4.1.2 單層感知器的學習算法
　　4.1.3 感知器的局限性
　　4.1.4 單層感知器神經網絡的MATLAB仿真
　　4.1.5 多層感知器神經網絡及其MATLAB仿真
　　4.1.6 用于線性分類問題的進一步討論
　4.2 線性神經網絡
　　4.2.1 線性神經網絡結構
　　4.2.2 線性神經網絡設計
　　4.2.3 自適應濾波線性神經網絡
　　4.2.4 線性神經網絡的局限性
　　4.2.5 線性神經網絡的MATLAB應用舉例
　4.3 BP網絡
　　4.3.1 BP神經元及其模型
　　4.3.2 BP網絡的學習
　　4.3.3 BP網絡的局限性
　　4.3.4 BP網絡的MATLAB程序應用舉例
　4.4 徑向基網絡
　　4.4.1 徑向基函數網絡模型
　　4.4.2 徑向基函數網絡的構建
　　4.4.3 RBF網絡應用實例
　　4.4.4 RBF網絡的非線性濾波
　4.5 GMDH網絡
　　4.5.1 GMDH網絡理論
　　4.5.2 GMDH網絡的訓練
　　4.5.3 基于GMDH網絡的預測
第5章 自組織神經網絡及MATLAB程序
　5.1 自組織競爭型神經網絡
　　5.1.1 競爭型神經網絡模型
　　5.1.2 競爭型神經網絡的學習
　　5.1.3 競爭型神經網絡存在的問題
　　5.1.4 競爭型神經網絡的MATLAB程序
　5.2 自組織特征映射神經網絡
　　5.2.1 特征映射網絡的模型
　　5.2.2 特征映射網絡的學習
　　5.2.3 基于特征映射網絡的人口分類
　5.3 自適應共振理論
　　5.3.1 自適應共振理論模型
　　5.3.2 自適應共振理論的學習
　　5.3.3 自適應共振理論的MATLAB程序
　5.4 學習矢量量化神經網絡
　　5.4.1 學習矢量量化的神經網絡模型
　　5.4.2 學習矢量量化神經網絡的學習
　　5.4.3 LVQ1學習算法的改進
　　5.4.4 LVQ神經網絡的MATLAB程序
　5.5 對向傳播網絡
　　5.5.1 對向傳播網絡簡介
　　5.5.2 對向傳播網絡的MATLAB程序
第6章 反饋神經網絡及其應用
第7章 圖形用戶接口
第8章 Simulink
第9章 自定義神經網絡
第10章 神經網絡的應用
參考文獻