精通MATLAB神經網絡

第一篇　MATLAB入門篇
第1章　MATLAB概述 2
1.1　MATLAB的產生與發(fā)展 2
1.2　MATLAB的優(yōu)勢與特點 2
1.3　MATLAB系統(tǒng)的構成 4
1.4　MATLAB桌面操作環(huán)境 5
1.4.1　MATLAB啟動和退出 5
1.4.2　MATLAB主菜單及功能 6
1.4.3　MATLAB命令窗口 9
1.4.4　MATLAB工作空間 11
1.4.5　M文件編輯/調試器 13
1.4.6　圖形窗口 14
1.4.7　MATLAB文件管理 16
1.4.8　MATLAB幫助 16
1.5　MATLAB的工具箱 17
1.6　小結 18
第2章　MATLAB計算基礎 19
2.1　MATLAB數值類型 19
2.2　關系運算和邏輯運算 21
2.3　矩陣及其運算 22
2.3.1　矩陣的創(chuàng)建 22
2.3.2　矩陣的運算 24
2.4　復數及其運算 25
2.4.1　復數表示 25
2.4.2　復數繪圖 27
2.4.3　復數操作函數 28
2.5　符號運算 28
2.5.1　符號運算概述 28
2.5.2　常用的符號運算 30
2.6　小結 33
第3章　MATLAB繪圖入門 34
3.1　MATLAB中繪圖的基本步驟 34
3.2　在工作空間直接繪圖 35
3.3　利用繪圖函數繪圖 36
3.3.1　二維圖形 36
3.3.2　三維圖形 37
3.4　圖形的修飾 41
3.5　小結 44
第4章　MATLAB編程入門 45
4.1　MATLAB編程概述 45
4.2　MATLAB程序設計原則 46
4.3　M文件 47
4.4　MATLAB程序流程控制 49
4.5　MATLAB中的函數及調用 52
4.5.1　函數類型 52
4.5.2　函數參數傳遞 55
4.6　函數句柄 60
4.7　MATLAB程序調試 61
4.7.1　常見程序錯誤 61
4.7.2　調試方法 64
4.7.3　調試工具 64
4.7.4　M文件分析工具 67
4.7.5　Profiler分析工具 69
4.8　MATLAB程序設計技巧 70
4.8.1　嵌套計算 70
4.8.2　循環(huán)計算 72
4.8.3　使用例外處理機制 72
4.8.4　使用全局變量 74
4.8.5　通過varargin傳遞參數 76
4.9　小結 77
第5章　Simulink仿真入門 78
5.1　Simulink仿真概述 78
5.1.1　Simulink的啟動與退出 78
5.1.2　Simulink模塊庫 79
5.2　Simulink仿真模型及仿真過程 84
5.3　Simulink模塊的處理 86
5.3.1　Simulink模塊參數設置 86
5.3.2　Simulink模塊基本操作 88
5.3.3　Simulink模塊連接 90
5.4　Simulink仿真設置 92
5.4.1　仿真器參數設置 92
5.4.2　工作空間數據導入/導出
5.4.2　設置 94
5.5　Simulink仿真舉例 95
5.6　小結 98
第二篇　神經網絡提高篇
第6章　MATLAB神經網絡工具箱概述 100
6.1　神經網絡簡介 100
6.2　神經網絡模型及訓練 101
6.2.1　生物神經元模型 101
6.2.2　神經網絡模型 102
6.2.3　神經網絡的訓練 104
6.2.4　神經網絡的分類 105
6.3　神經網絡的應用 106
6.4　神經網絡工具箱簡介 108
6.4.1　工具箱的功能 108
6.4.2　工具箱的新特性 108
6.4.3　MATLAB中的神經網絡
6.4.3　數據結構 110
6.4.4　工具箱函數簡介 112
6.5　小結 113
第7章　MATLAB神經網絡GUI工具 114
7.1　基礎GUI工具nntool 114
7.1.1　網絡創(chuàng)建 114
7.1.2　網絡訓練 119
7.1.3　網絡仿真 121
7.1.4　圖形界面數據操作 122
7.2　數據擬合GUI工具nftool 127
7.3　模式識別GUI工具nprtool 131
7.4　數據聚類GUI工具nctool 136
7.5　小結 139
第8章　感知器神經網絡 140
8.1　感知器神經網絡結構 140
8.1.1　感知器神經元模型 140
8.1.2　單層感知器神經網絡
8.1.2　結構 141
8.2　感知器學習規(guī)則 142
8.2.1　感知器網絡學習算法 143
8.2.2　標準化感知器網絡
8.2.2　學習算法 144
8.3　感知器網絡的MATLAB實現 144
8.3.1　感知器網絡的生成 144
8.3.2　感知器網絡的仿真 146
8.3.3　感知器網絡的初始化 147
8.3.4　感知器網絡的學習和
8.3.4　訓練 148
8.4　感知器網絡的局限性 152
8.4.1　單層感知器網絡的
8.4.1　局限性 152
8.4.2　多層感知器神經網絡 152
8.5　感知器神經網絡設計實例 153
8.5.1　輸入向量的二類劃分 153
8.5.2　奇異樣本輸入向量的
8.5.2　訓練 155
8.5.3　標準化感知器學習規(guī)則
8.5.3　實例 158
8.5.4　線性不可分樣本問題 159
8.6　小結 161
第9章　線性神經網絡 162
9.1　線性神經網絡結構 162
9.1.1　線性神經元模型 162
9.1.2　線性神經網絡結構 163
9.2　線性濾波器 164
9.3　線性神經網絡學習規(guī)則 164
9.3.1　均方誤差 165
9.3.2　LMS算法 165
9.4　線性神經網絡的MATLAB
9.4　實現 166
9.4.1　線性神經元生成 166
9.4.2　線性神經網絡生成 169
9.4.3　線性濾波器生成 170
9.4.4　線性神經網絡訓練 171
9.5　線性網絡的局限性 175
9.5.1　非線性系統(tǒng) 175
9.5.2　超定系統(tǒng) 178
9.5.3　不定系統(tǒng) 178
9.5.4　線性相關向量 181
9.5.5　學習速率過大 183
9.6　線性神經網絡設計實例 185
9.6.1　線性預測 185
9.6.2　自適應濾波噪聲抵消 187
9.6.3　自適應濾波系統(tǒng)辨識 189
9.7　小結 192
第10章　BP神經網絡 193
10.1　BP神經網絡結構 193
10.1.1　BP網絡神經元模型 193
10.1.2　BP神經網絡結構 194
10.2　BP網絡學習規(guī)則 195
10.2.1　BP算法 195
10.2.2　批處理學習算法 198
10.3　BP網絡的MATLAB實現 199
10.3.1　BP網絡的創(chuàng)建與仿真 199
10.3.2　BP網絡的訓練 200
10.4　BP網絡的局限性 215
10.5　BP神經網絡設計實例 216
10.5.1　函數逼近 216
10.5.2　回歸分析 218
10.5.3　特征識別 220
10.6　小結 224
第11章　徑向基神經網絡 225
11.1　基本徑向基神經網絡 225
11.1.1　徑向基網絡神經元
11.1.1　模型 225
11.1.2　徑向基神經網絡結構 226
11.2　概率神經網絡 227
11.3　廣義回歸神經網絡 228
11.4　徑向基網絡的MATLAB
11.4　實現 229
11.4.1　徑向基神經網絡的
11.4.1　精確創(chuàng)建 230
11.4.2　更有效的徑向基神經
11.4.2　網絡創(chuàng)建 231
11.4.3　概率神經網絡的創(chuàng)建 231
11.4.4　廣義回歸神經網絡的
11.4.4　創(chuàng)建 232
11.5　徑向基網絡設計實例 233
11.5.1　徑向基網絡函數逼近 233
11.5.2　散布常數的影響之欠
11.5.2　交疊情形 236
11.5.3　散布常數的影響之過
11.5.3　交疊情形 238
11.5.4　廣義回歸網絡函數
11.5.4　逼近 239
11.5.5　概率神經網絡模式
11.5.5　分類 242
11.6　小結 245
第12章　自組織神經網絡 246
12.1　自組織競爭網絡 246
12.1.1　自組織競爭網絡結構
12.1.1　模型 246
12.1.2　自組織競爭神經網絡
12.1.2　的學習算法 247
12.2　自組織特征映射網絡 250
12.2.1　自組織特征映射網絡
12.2.1　模型 250
12.2.2　自組織特征映射網絡
12.2.2　結構 258
12.2.3　自組織特征映射網絡的
12.2.3　學習規(guī)則 259
12.3　學習矢量量化網絡 259
12.3.1　學習矢量量化網絡
12.3.1　結構 260
12.3.2　學習矢量量化網絡的
12.3.2　學習規(guī)則 260
12.3.3　與自組織映射網絡的
12.3.3　比較 262
12.4　自組織神經網絡的MATLAB
12.4　實現 263
12.4.1　自組織競爭網絡的
12.4.1　設計 263
12.4.2　自組織競爭網絡的
12.4.2　訓練 264
12.4.3　SOFM網絡的設計 265
12.4.4　SOFM網絡的訓練 267
12.4.5　LVQ網絡的設計 267
12.4.6　LVQ網絡的訓練 270
12.5　自組織神經網絡應用實例 271
12.5.1　自組織競爭網絡模式
12.5.1　分類 271
12.5.2　一維自組織特征映射
12.5.2　網絡 273
12.5.3　二維自組織特征映射
12.5.3　網絡 275
12.5.4　LVQ網絡應用實例 277
12.6　小結 279
第13章　反饋神經網絡 280
13.1　Hopfield網絡 280
13.1.1　離散Hopfield網絡
13.1.1　模型 281
13.1.2　連續(xù)Hopfield網絡
13.1.2　模型 283
13.1.3　聯想記憶 285
13.1.4　Hopfield網絡結構 287
13.2　Elman反饋神經網絡 287
13.3　反饋神經網絡的MATLAB
13.3　實現 288
13.3.1　設計Hopfield網絡 288
13.3.2　Elman網絡的創(chuàng)建與
13.3.2　仿真 290
13.3.3　訓練Elman網絡 291
13.4　反饋神經網絡應用實例 292
13.4.1　二神經元Hopfield
13.4.1　網絡設計 292
13.4.2　Hopfield網絡中的偽
13.4.2　平衡點 295
13.4.3　三神經元Hopfield
13.4.3　網絡設計 297
13.4.4　利用Elman網絡進行
13.4.4　振幅檢測 300
13.5　小結 303
第三篇　神經網絡綜合實戰(zhàn)篇
第14章　神經網絡優(yōu)化 306
14.1　支持向量機 306
14.1.1　統(tǒng)計學習理論 307
14.1.2　支持向量機（SVM）
14.1.2　理論 307
14.1.3　支持向量機實例 310
14.2　Boltzmann機與模擬退火算法 314
14.2.1　Boltzmann機的網絡
14.2.1　結構 314
14.2.2　模擬退火算法 315
14.2.3　Boltzmann機的工作
14.2.3　原理 316
14.3　基于遺傳算法的神經網絡
14.3　優(yōu)化 317
14.3.1　遺傳算法介紹 318
14.3.2　基于遺傳算法的神經網絡
14.3.2　優(yōu)化算法 320
14.3.3　遺傳算法優(yōu)化實例 321
14.4　小結 325
第15章　神經網絡控制 326
15.1　神經網絡控制概述 327
15.1.1　監(jiān)督式神經網絡控制 327
15.1.2　直接逆模型神經網絡
15.1.2　控制 328
15.1.3　神經網絡自適應控制 328
15.1.4　神經網絡內?？刂?329
15.1.5　神經網絡預測控制 330
15.1.6　神經網絡自適應判斷
15.1.6　控制 331
15.1.7　多層神經網絡控制 331
15.1.8　分級神經網絡控制 332
15.2　神經網絡模型預測控制 333
15.2.1　系統(tǒng)辨識 334
15.2.2　預測控制 335
15.2.3　預測控制的Simulink
15.2.3　實例 335
15.3　神經網絡反饋線性化控制
15.3　（NARMA-L2） 341
15.3.1　NARMA-L2系統(tǒng)辨識 341
15.3.2　NARMA-L2控制器 342
15.3.3　NARMA-L2控制器
15.3.3　Simulink實例 343
15.4　神經網絡模型參考控制 347
15.5　小結 352
第16章　神經網絡故障診斷 353
16.1　神經網絡故障診斷概述 353
16.2　基于神經網絡的滾動軸承
16.2　故障診斷 354
16.2.1　問題背景 354
16.2.2　問題實例 356
16.3　基于神經網絡的汽車防抱死
16.3　系統(tǒng)故障診斷 359
16.3.1　問題背景 359
16.3.2　問題實例 361
16.4　基于神經網絡的柴油機
16.4　故障診斷 364
16.4.1　問題背景 364
16.4.2　問題實例 366
16.5　基于神經網絡的水循環(huán)系統(tǒng)
16.5　故障診斷 371
16.5.1　問題背景 371
16.5.2　問題實例 372
16.6　小結 374
第17章　神經網絡預測 375
17.1　神經網絡預測概述 375
17.2　基于神經網絡的地震預測 378
17.2.1　問題背景 378
17.2.2　問題實例 378
17.3　基于神經網絡的人口預測 382
17.3.1　問題背景 382
17.3.2　問題實例 382
17.4　基于神經網絡的電信業(yè)務量
17.4　預測 385
17.4.1　問題背景 385
17.4.2　問題實例 385
17.5　基于神經網絡的股市預測 388
17.5.1　問題背景 388
17.5.2　問題實例 389
17.6　基于神經網絡的信用風險
17.6　預測 391
17.6.1　問題背景 391
17.6.2　問題實例 392
17.7　小結 394
第18章　Simulink中的神經網絡設計 395
18.1　Simulink神經網絡模塊 395
18.1.1　傳遞函數模塊庫 396
18.1.2　網絡輸入函數模塊庫 397
18.1.3　權值函數模塊庫 397
18.1.4　處理函數模塊庫 398
18.1.5　控制系統(tǒng)模塊庫 398
18.2　神經網絡Simulink模型設計
18.2　實例 399
18.3　小結 403
第19章　自定義神經網絡 404
19.1　自定義網絡 404
19.1.1　定制網絡 405
19.1.2　定義網絡 406
19.1.3　網絡行為 414
19.2　相關工具箱函數 417
19.2.1　初始化函數 417
19.2.2　傳遞函數 417
19.2.3　學習函數 420
19.3　自定義函數 425
19.3.1　網絡構建函數 425
19.3.2　初始化函數 431
19.3.3　學習函數 432
19.3.4　自組織映射函數 435
19.4　小結 437
附錄A　工具箱函數列表 438
參考文獻 444