評論(0

MATLAB神經網路應用設計

標籤: 暫無標籤

《MATLAB神經網路應用設計》是一本由張德豐編寫, 機械工業出版社 出版的書籍

1 MATLAB神經網路應用設計 -版權信息

  

MATLAB神經網路應用設計

書 名: MATLAB神經網路應用設計

  作 者:張德豐

  出版社: 機械工業出版社

  出版時間: 2009

  ISBN: 9787111256120

  開本: 16

  定價: 39.00 元

2 MATLAB神經網路應用設計 -目錄

  前言

  第1章神經網路概述1

  1.1神經網路的基本概念1

  1.1.1生物神經元的結構與功能特點1

  1.1.2人工神經元模型1

  1.1.3神經網路的結構及工作方式3

  1.1.4神經網路的學習4

  1.2神經網路的發展和應用7

  1.2.1神經網路的發展7

  1.2.2神經網路的研究內容8

  1.2.3神經網路的應用8

  1.3神經網路的特點8

  1.4MATLAB語言及入門9

  1.4.1MATLAB概述9

  1.4.2MATLAB語言特點11

  1.4.3MATLAB快速入門12

  1.5神經網路工具箱23

  第2章感知神經網路24

  2.1單層感知器24

  2.1.1感知器模型24

  2.1.2感知器的功能25

  2.1.3感知器的局限性27

  2.1.4感知器的學習演算法27

  2.1.5單層感知器的MATLAB實現29

  2.2多層感知器35

  2.3感知器神經網路的學習和訓練36

  2.3.1學習規則36

  2.3.2網路訓練37

  2.4基於BP演算法的多層感知器設計基礎39

  2.4.1網路信息容量與訓練樣本基礎39

  2.4.2訓練樣本集的設計40

  2.4.3初始權值的設計43

  2.4.4多層感知器的結構設計44

  2.4.5網路訓練與測試45

  2.5感知器設計實例46

  2.5.1二輸入感知器分類問題46

  2.5.2輸入奇異樣本對網路訓練的影響47

  2.5.3線性不可分輸入量48

  第3章自組織競爭神經網路50

  3.1競爭學習的概念與原理50

  3.1.1基本概念50

  3.1.2競爭學習原理52

  3.2自組織神經網路模型54

  3.2.1自組織特徵映射神經網路結構55

  3.2.2自組織特徵映射網路學習演算法55

  3.3自組織競爭網路的神經網路工具箱函數56

  3.3.1神經網路創建函數57

  3.3.2顯示函數58

  3.3.3變換函數58

  3.3.4傳遞函數60

  3.3.5距離函數61

  3.3.6初始化函數64

  3.3.7權值函數64

  3.3.8學習函數65

  3.3.9結構函數66

  3.4實例分析71

  3.4.1自組織競爭網路在模式分類中的應用71

  3.4.2一維自組織特徵映射網路設計73

  3.4.3二維自組織特徵映射網路設計75

  3.4.4LVQ模式分類網路設計77

  3.5自適應共振理論網路79

  3.5.1ARTI型網路80

  3.5.2ARTII型網路87

  第4章BP神經網路92

  4.1BP網路模型結構92

  4.1.1神經元模型92

  4.1.2前饋型神經網路結構93

  4.2BP神經網路構建與演算法94

  4.2.1BP神經網路構建94

  4.2.2BP網路的學習演算法95

  4.3BP網路的神經網路工具箱函數98

  4.3.1BP網路創建函數99

  4.3.2神經元上的傳遞函數100

  4.3.3BP網路學習函數103

  4.3.4BP網路訓練函數104

  4.3.5性能函數106

  4.3.6顯示函數107

  4.4BP網路的局限性112

  4.5BP網路的應用實例分析113

  4.5.1函數逼近113

  4.5.2模式識別119

  第5章線性神經網路129

  5.1線性神經網路構建129

  5.1.1生成線性神經元129

  5.1.2線性神經元系統設計130

  5.1.3線性濾波器131

  5.2線性神經網路學習演算法132

  5.2.1線性神經元網路模型132

  5.2.2線性神經網路的學習演算法133

  5.3線性網路的神經網路工具箱函數134

  5.3.1線性網路創建及設計函數134

  5.3.2學習函數135

  5.3.3傳輸及均方誤差函數139

  5.4線性網路的局限性140

  5.4.1不定系統140

  5.4.2超定系統143

  5.4.3線性相關向量145

  5.4.4學習速率過大146

  5.5線性神經網路應用實例分析148

  5.5.1線性系統辨識148

  5.5.2應用線性網路進行預測150

  5.5.3自適應預測152

  5.5.4自適應系統辨識154

  第6章徑向基函數神經網路157

  6.1徑向基函數神經網路模型與學習演算法157

  6.1.1RBF神經網路模型157

  6.1.2RBF網路的學習演算法158

  6.2徑向基網路的神經網路函數159

  6.2.1神經網路的創建函數160

  6.2.2轉換函數162

  6.2.3傳遞函數162

  6.3基於徑向基函數技術的函數逼近與內插163

  6.3.1插值問題描述163

  6.3.2徑向基函數技術解決插值問題163

  6.3.3完全內插存在的問題165

  6.4概率神經網路166

  6.4.1PNN網路結構166

  6.4.2PNN網路的工作原理167

  6.4.3概率神經網路的設計167

  6.5正則化理論與正則化RBF網路168

  6.5.1正則化理論168

  6.5.2正則化RBF網路170

  6.6模式可分性觀點與廣義的RBF網路171

  6.6.1模式的可分性171

  6.6.2廣義RBF網路172

  6.7徑向基函數的網路應用實例173

  6.7.1函數逼近173

  6.7.2散布常數對徑向基函數網路設計的影響175

  6.7.3應用PNN進行變數分類177

  6.7.4應用GRNN進行函數逼近179

  第7章反饋神經網路及MATLAB實現182

  7.1Hopfield神經網路及MATLAB實現182

  7.1.1離散型Hopfield神經網路182

  7.1.2連續型Hopfield神經網路187

  7.1.3Hopfield網路的MATLAB開發189

  7.2Elman神經網路及應用191

  7.2.1Elman神經網路結構191

  7.2.2Elman神經網路的學習過程192

  7.2.3Elman神經網路的工程應用192

  7.2.4基於Elman網路的空調負荷預測196

  7.3雙向聯想記憶神經網路198

  7.3.1BAM網路結構與原理199

  7.3.2能量函數與穩定性分析199

  7.3.3BAM網的權值設計200

  7.3.4BAM網的應用201

  7.4反饋網路應用實例分析202

  7.4.1Hopfield網路的不穩定性202

  7.4.2三神經元的Hopfield神經網路設計204

  7.4.3應用CHNN網解決優化計算問題206

  7.5Boltzmann機網路及模擬209

  7.5.1BM網路的基本結構209

  7.5.2BM模型的工作規則和學習規則209

  7.5.3BM網路的MATLAB模擬212

  第8章神經網路預測與控制214

  8.1電力系統負荷預報的MATLAB實現214

  8.1.1問題描述214

  8.1.2輸入/輸出向量設計215

  8.1.3BP網路設計216

  8.1.4網路訓練216

  8.2地震預報的MATLAB實現218

  8.2.1概述219

  8.2.2BP網路設計220

  8.2.3BP網路訓練與測試220

  8.2.4地震預測的競爭網路模型224

  8.3交通運輸能力預測的MATLAB實現226

  8.3.1背景概述227

  8.3.2網路創建與訓練227

  8.3.3結論與分析231

  8.4河道淺灘演變預測的MATLAB實現233

  8.4.1基於BP網路的演變預測233

  8.4.2基於RBF網路的演變預測239

  8.5農作物蟲情預測的MATLAB實現239

  8.5.1基於神經網路的蟲情預測原理240

  8.5.2BP網路設計241

  8.6用水測量的MATLAB實現243

  8.6.1問題概述244

  8.6.2RBF網路設計244

  8.7神經網路模型預測控制246

  8.7.1系統辨識246

  8.7.2預測控制247

  8.7.3神經網路模型預測控制器實例分析247

  8.8NARMA?L2(反饋線性化)控制252

  8.8.1NARMA?L2模型辨識252

  8.8.2NARMA?L2控制器253

  8.8.3NARMA?L2控制器實例分析254

  第9章神經網路優化及故障診斷259

  9.1BP網路學習演算法的改進259

  9.1.1消除樣本輸入順序影響的改進演算法259

  9.1.2附加動量的改進演算法260

  9.1.3採用自適應調整參數的改進演算法260

  9.1.4使用彈性方法的改進演算法261

  9.1.5基於共軛梯度法的改進演算法261

  9.1.6基於Levenberg-Marquardt法的改進演算法261

  9.2基於遺傳演算法的神經網路優化方法262

  9.2.1概述262

  9.2.2遺傳演算法簡介263

  9.2.3遺傳演算法工具箱264

  9.2.4用遺傳演算法優化神經網路權值的學習過程265

  9.3小波神經網路266

  9.3.1概述266

  9.3.2小波神經網路參數調整演算法267

  9.3.3小波神經網路的MATLAB函數270

  9.4神經網路與故障模式識別270

  9.4.1常用的模式識別方法271

  9.4.2神經網路在故障模式識別中的應用271

  9.5基於概率神經網路的故障診斷273

  9.5.1概述273

  9.5.2基於PNN的故障診斷273

  9.5.3結論275

  9.6基於BP網路和Elman網路的齒輪箱故障診斷276

  9.6.1工程描述276

  9.6.2輸入和目標向量設計277

  9.6.3BP網路設計277

  9.6.4Elman網路設計280

  9.7基於RBF網路的船用柴油機故障診斷282

  9.7.1問題描述282

  9.7.2渦輪增壓系統的故障診斷282

  9.7.3網路設計284

  第10章圖形用戶界面設計288

  10.1事件處理288

  10.2回調函數289

  10.2.1中斷回調規則291

  10.2.2回調函數原形291

  10.3回調處理293

  10.3.1遞歸函數調用293

  10.3.2M文件調用295

  10.3.3函數句柄調用297

  10.4網路的創建298

  10.4.1設置輸入和期望輸出298

  10.4.2網路生成300

  10.5網路訓練與模擬302

  10.5.1網路訓練302

  10.5.2網路模擬302

  10.6GUI的數據處理303

  10.6.1GUI導出數據到MATLAB工作空間304

  10.6.2GUI的數據清除305

  10.6.3GUI從MATLAB工作空間導入數據305

  10.6.4GUI數據文件的存取307

  10.7M文件編程設計309

  10.7.1界面設計309

  10.7.2函數回調316

  參考文獻320

  ……

相關評論

同義詞:暫無同義詞