神经网络理论与MATLAB 7实现PDF|Epub|txt|kindle电子书版本网盘下载

神经网络理论与MATLAB 7实现PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

第1章 概述1

1.1 MATLAB语言简介1

1.1.1 MATLAB概述1

1.1.2 MATLAB语言特点3

1.1.3 MATLAB 7的安装5

1.1.4 MATLAB 7的新特点5

1.1.5 MATLAB 7的新产品及更新产品6

1.1.6 Simulink 6.0的新特点9

1.2 MATLAB快速入门10

1.2.1 命令行窗口10

1.2.2 其他重要窗口13

1.2.3 Editor/Debugger窗口15

1.2.4 MATLAB帮助系统16

1.2.5 神经网络工具箱快速入门17

1.3 神经网络发展史18

1.3.1 初期阶段18

1.3.2 停滞期19

1.3.3 黄金时期19

1.3.4 发展展望20

1.4 神经网络模型20

1.4.1 神经元结构模型20

1.4.2 神经网络的互连模式21

1.5 神经网络的特性及实现23

1.6 小结23

第2章 神经网络工具箱函数及实例25

2.1 概述25

2.2 神经网络工具箱中的通用函数26

2.2.1 神经网络仿真函数sim27

2.2.2 神经网络训练及学习函数28

2.2.3 神经网络初始化函数31

2.2.4 神经网络输入函数33

2.2.5 神经网络传递函数34

2.2.6 其他重要函数36

2.3 感知器的神经网络工具箱函数36

2.3.1 感知器创建函数37

2.3.2 显示函数37

2.3.3 性能函数38

2.4 BP网络的神经网络工具箱函数44

2.4.1 BP网络创建函数44

2.4.2 神经元上的传递函数45

2.4.3 BP网络学习函数49

2.4.4 BP网络训练函数50

2.4.5 性能函数51

2.4.6 显示函数52

2.5 线性网络的神经网络工具箱函数59

2.5.1 线性网络创建和设计函数59

2.5.2 学习函数60

2.6 自组织竞争网络的神经网络工具箱函数63

2.6.1 神经网络创建函数64

2.6.2 传递函数65

2.6.3 距离函数67

2.6.4 学习函数69

2.6.5 初始化函数71

2.6.6 权值函数71

2.6.7 显示函数72

2.6.8 结构函数72

2.7 径向基网络的神经网络工具箱函数79

2.7.1 神经网络创建函数79

2.7.2 转换函数80

2.7.3 传递函数81

2.8 反馈网络的神经网络工具箱函数84

2.8.1 Hopfield网络的工具箱函数84

2.8.2 Elman网络的工具箱函数85

2.9 小结87

第3章 前向型神经网络理论及MATLAB实现89

3.1 感知器网络及MATLAB实现89

3.1.1 单层感知器网络89

3.1.2 多层感知器95

3.2 BP网络及MATLAB实现99

3.2.1 BP网络理论100

3.2.2 BP网络的MATLAB设计104

3.3 线性神经网络及MATLAB实现108

3.3.1 线性神经网络的结构108

3.3.2 线性神经网络的学习109

3.3.3 线性网络的MATLAB仿真110

3.4 径向基函数网络及MATLAB实现116

3.4.1 径向基网络结构116

3.4.2 径向基函数的学习过程117

3.4.3 RBF网络应用实例119

3.4.4 基于RBF网络的非线性滤波121

3.4.5 基于GRNN的函数逼近123

3.4.6 基于概率神经网络的分类126

3.5 GMDH网络及MATLAB实现127

3.5.1 GMDH网络理论127

3.5.2 GMDH网络的训练128

3.5.3 基于GMDH网络的预测129

3.6 小结130

4.1.1 Elman神经网络结构131

4.1 Elman神经网络及应用131

第4章 反馈型神经网络理论及MATLAB实现131

4.1.2 Elman神经网络的学习过程132

4.1.3 Elman神经网络的工程应用132

4.1.4 基于Elman网络的空调负荷预测136

4.2 Hopfield神经网络及MATLAB实现141

4.2.1 Hopfield网络描述142

4.2.2 Hopfield网络的学习过程143

4.2.3几个重要结论143

4.2.4 Hopfield网络的MATLAB开发143

4.2.5 基于Hopfield网络的数字识别147

4.3 CG网络模型及应用149

4.3.1 CG神经网络理论149

4.4 盒中脑（BSB）模型及MATLAB实现150

4.4.1 BSB神经网络模型描述150

4.3.2 基于CG网络的有限元分析150

4.4.2 BSB的MATLAB实现151

4.5 双向联想记忆（BAM）及MATLAB实现153

4.5.1 Kosko型BAM网络模型153

4.5.2 BAM网络的实例分析154

4.6 回归BP网络及应用156

4.6.1 回归BP网络概述156

4.6.2 基于回归BP网络的房价预测157

4.7 Boltzmann机网络及仿真158

4.7.1 BM网络的基本结构158

4.7.2 BM模型的工作规则和学习规则159

4.7.3 BM网络的MATLAB仿真162

4.8 小结164

第5章 自组织与LVQ神经网络理论及MATLAB实现165

5.1 自组织竞争网络及MATLAB实现165

5.1.1 基本竞争型神经网络概述165

5.1.2 自组织竞争网络的应用166

5.2 自组织特征映射（SOM）神经网络及MATLAB实现168

5.2.1 SOM网络的结构169

5.2.2 SOM网络学习算法170

5.2.3 基于SOM网络的土壤分类171

5.2.4 基于SOM网络的人口分类173

5.3 自适应共振理论模型（ART）及MATLAB实现178

5.3.1 ART-1型网络模型描述178

5.3.2 ART-1网络的学习及工作过程179

5.3.3 ART-1网络的应用实例180

5.4 学习矢量量化（LVQ）神经网络及MATLAB实现183

5.4.1 LVQ网络的结构183

5.4.2 LVQ网络的学习规则184

5.4.3 基于LVQ网络的模式识别185

5.5.1 CPN概述189

5.5 对向传播网络（CPN）及MATLAB实现189

5.5.2 CPN应用实例192

5.6 小结197

第6章 图形用户界面GUI199

6.1 概述199

6.2 网络设计200

6.3 网络训练与仿真202

6.4 数据操作204

6.4.1 工作空间到GUI的数据导入204

6.4.2 GUI到工作空间的数据导出205

6.4.3 数据的存储和读取207

6.4.4 数据删除208

6.5 小结209

7.1 神经网络控制结构211

7.1.1 神经网络监督控制211

第7章 神经网络控制理论及应用设计211

7.1.2 神经网络直接逆控制213

7.1.3 NN自适应控制213

7.1.4 神经网络内模控制215

7.1.5 神经网络预测控制215

7.1.6 神经网络自适应评判控制216

7.2 反馈线性化控制及MATLAB实现217

7.2.1 基于神经网络的反馈线性化控制原理217

7.2.2 反馈线性化控制实例218

7.3 基于Simulink的神经网络控制222

7.3.1 基于神经网络的MPC原理222

7.3.2 模型预测控制实例224

7.4 小结230

第8章 基于神经网络的故障诊断231

8.1 神经网络与故障模式识别231

8.1.2 神经网络在故障模式识别中的应用232

8.1.1 常用的模式识别方法232

8.2 基于BP网络和Elman网络的齿轮箱故障诊断234

8.2.1 工程描述234

8.2.2 输入和目标向量设计234

8.2.3 BP网络设计235

8.2.4 Elman网络设计238

8.3 基于SOM网络的回热系统故障诊断240

8.3.1 背景240

8.3.2 SOM网络设计241

8.4 基于概率神经网络的故障诊断243

8.4.1 概述243

8.4.2 基于PNN的故障诊断243

8.4.3 结论245

8.5 基于BP网络的设备状态分类器设计246

8.5.1 BP网络设计246

8.5.2 网络训练248

8.5.3 网络测试与应用249

8.6 基于RBF网络的船用柴油机故障诊断250

8.6.1 问题描述250

8.6.2 涡轮增压系统的故障诊断251

8.6.3 网络设计253

8.7 小结255

第9章 基于神经网络的预测257

9.1 引言257

9.2 基于神经网络的预测原理258

9.2.1 正向建模258

9.2.2 逆向建模258

9.3 电力系统负荷预报的MATLAB实现259

9.3.1 问题描述259

9.3.2 输入／输出向量设计260

9.3.3 BP网络设计261

9.3.4 网络训练262

9.4 河道浅滩演变预测的MATLAB实现264

9.4.1 基于BP网络的演变预测264

9.4.2 基于RBF网络的演变预测270

9.4.3 结论271

9.5 地震预报的MATLAB实现271

9.5.1 概述272

9.5.2 BP网络设计273

9.5.3 BP网络训练与测试273

9.5.4 地震预测的竞争网络模型278

9.6 交通运输能力预测的MATLAB实现280

9.6.1 背景概述280

9.6.2 网络创建与训练281

9.6.3 结论与分析285

9.7.1 股市概述287

9.7 股市预测的MATLAB实现287

9.7.2 网络训练与测试288

9.8 财务失败预测的MATLAB实现289

9.8.1 问题描述290

9.8.2 样本的收集和处理290

9.9 农作物虫情预测的MATLAB实现292

9.9.1 基于神经网络的虫情预测原理293

9.9.2 BP网络设计293

9.10 小结297

第10章 基于神经网络的模糊控制299

10.1 引言299

10.2 神经网络模糊控制的结构和特征299

10.2.1 神经网络模糊控制器的结构299

10.2.2 神经网络模糊控制器的特征300

10.2.3 神经网络模糊控制器的应用实例302

10.3.1 洗衣机的模糊控制305

10.3 基于MATLAB的神经模糊控制洗衣机仿真305

10.3.2 洗衣机的神经网络模糊控制器的设计307

10.4 小结310

第11章 基于神经网络的自适应噪声抵消技术313

11.1 引言313

11.2 自适应噪声抵消实现原理314

11.2.1 自适应滤波器314

11.2.2 自适应噪声抵消系统基本原理315

11.3 噪声抵消系统的MATLAB仿真316

11.3.1 BP网络模型建立316

11.3.2 基于神经网络工具箱的BP网络学习和训练316

11.3.3 基于Simulink的噪声抵消系统设计及动态仿真319

11.4 小结321

参考文献323