图书介绍
神经网络与应用PDF|Epub|txt|kindle电子书版本网盘下载
- 董长虹编著 著
- 出版社： 北京：国防工业出版社
- ISBN：7118035394
- 出版时间：2005
- 标注页数：323页
- 文件大小：40MB
- 文件页数：338页
- 主题词：人工神经元网络
PDF下载
下载说明
神经网络与应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
1.1 Matlab 6.5语言简介1
1.1.1 Matlab的产生背景及主要产品1
第1章 神经网络概述1
1.1.2 Matlab的语言特点2
1.1.3 Matlab 6.5的新特点4
1.2神经网络的发展和应用5
1.2.1神经网络的发展6
1.2.2神经网络的研究内容7
1.2.3神经网络的应用7
1.3.1生物神经元模型8
1.3神经网络模型8
1.3.2神经元模型10
1.3.3神经元网络模型11
1.4神经网络工具箱概述12
第2章 感知器14
2.1感知器神经网络模型结构14
2.1.1神经元模型14
2.1.2网络结构15
2.2感知器神经网络的构建16
2.2.1生成网络16
2.2.2网络仿真17
2.2.3网络初始化18
2.3感知器神经网络的学习和训练20
2.3.1学习规则20
2.3.2网络训练22
2.4感知器网络的局限性24
2.4.1标准化感知器学习规则24
2.4.2多层感知器25
2.5感知器网络设计实例25
2.5.1二输入感知器分类问题25
2.5.2输入奇异样本对网络训练的影响28
2.5.3线性不可分输入量30
第3章 线性神经网络32
3.1线性神经网络模型结构32
3.1.1神经元模型32
3.1.2网络结构32
3.2线性神经网络的构建33
3.2.1生成线性神经元33
3.2.2线性系统设计35
3.2.3线性滤波器36
3.3.1均方误差37
3.3.2LMS算法37
3.3线性神经网络的学习和训练37
3.3.3网络训练38
3.4线性网络的局限性40
3.4.1超定系统40
3.4.2不定系统43
3.4.3线性相关向量47
3.4.4学习速率过大48
3.5线性神经网络应用实例分析51
3.5.1应用线性网络进行预测51
3.5.2自适应预测54
3.5.3线性系统辨识57
3.5.4自适应系统辨识60
第四章 BP网络64
4.1 BP网络模型结构64
4.1.1神经元模型64
4.1.2前馈型神经网络结构66
4.2 BP神经网络的构建66
4.3BP神经网络的训练67
4.3.1 BP算法68
4.3.2 BP网络批处理训练模式71
4.5.1函数逼近91
4.5 BP网络应用实例分析91
4.4 BP网络的局限性91
4.5.2胆固醇含量估计99
4.5.3模式识别104
第5章 径向基函数网络121
5.1径向基函数网络模型121
5.1.1径向基函数神经元模型121
5.1.2径向基函数网络的结构122
5.1.3径向基函数网络的工作原理122
5.2径向基函数网络的构建123
5.2.1径向基函数网络的严格设计123
5.3广义回归神经网络124
5.2.2更有效的径向基函数网络的设计124
5.3.1 GRNN网络结构125
5.3.2 GRNN网络的工作原理125
5.3.3 GRNN网络设计126
5.4概率神经网络126
5.4.1 PNN网络结构126
5.4.2 PNN网络的工作原理127
5.4.3概率神经网络的设计127
5.5径向基函数网络的应用实例129
5.5.1函数逼近129
5.5.2散布常数对径向基函数网络设计的影响132
5.5.3应用GRNN进行函数逼近136
5.5.4应用PNN进行变量分类139
第6章 反馈型神经网络143
6.1 Hopfield网络143
6.1.1离散Hopfield网络（DHNN）144
6.1.2连续Hopfield网络（CHNN）150
6.1.3 Hopfield网络模型结构152
6.1.4 Hopfield网络的设计153
6.2 Elman神经网络154
6.2.2网络仿真155
6.2.1构建Elman网络155
6.2.3 Elman神经网络训练156
6.3反馈网络应用实例分析157
6.3.1二神经元的Hopfield神经网络设计157
6.3.2 Hopfield网络的不稳定性160
6.3.3三神经元的Hopfield神经网络设计163
6.3.4应用Elman网络进行振幅检测166
第7章 竞争型神经网络171
7.1自组织竞争神经网络172
7.1.1几种联想学习规则172
7.1.2自组织竞争神经网络的结构178
7.1.3自组织竞争神经网络的设计179
7.2自组织特征映射神经网络183
7.2.1 SOFM网络模型183
7.2.2 SOFM网络结构192
7.2.3 SOFM的构建193
7.2.4 SOFM网络的训练194
7.3学习矢量量化神经网络（LVQ）198
7.3.1 LVQ网络结构198
7.3.2 LVQ网络建立198
7.3.3 LVQ网络学习和训练201
7.4.1自组织竞争网络在模式分类中的应用204
7.4实例分析204
7.4.2一维自组织特征映射网络设计207
7.4.3二维自组织特征映射网络设计209
7.4.4 LVQ模式分类网络设计212
第8章 神经网络控制系统216
8.1神经网络模型预测控制216
8.1.1系统辨识217
8.1.2预测控制217
8.1.3神经网络模型预测控制器实例分析218
8.2 NARMA-L2（反馈线性化）控制224
8.2.1 NARMA-L2模型辨识225
8.2.2 NARMA-L2控制器226
8.2.3 NARMA-L2控制器实例分析227
8.3模型参考控制232
8.3.1模型参考控制理论232
8.3.2模型参考控制实例分析233
第9章 图形用户界面239
9.1网络的创建239
9.1.1设置输入和期望输出239
9.1.2网络生成243
9.2.1网络训练245
9.2网络的训练仿真245
9.2.2网络仿真246
9.3 GUI的数据处理248
9.3.1 GUI导出数据到Matlab工作空间248
9.3.2 GUI的数据清除250
9.3.3 GUI从Matlab工作空间导入数据250
9.3.4 GUI数据文件的存取251
第10章 Simulink255
10.1Simulink交互式仿真集成环境255
10.1.1 Simulink模型的创建256
10.1.2 Simulink仿真258
10.1.3 Simulink简单实例演示260
10.2 Simulink神经网络模块263
10.2.1传递函数模块263
10.2.2网络输入模块264
10.2.3权值设置模块264
10.2.4控制系统模块265
10.3神经网络Simulink模型设计266
10.3.1模型构建266
10.3.2模型仿真270
10.3.3进一步试验270
11.1自定义网络274
第11章 自定义神经网络274
11.1.1定制网络275
11.1.2网络设计275
11.1.3网络训练283
11.2自定义函数287
11.2.1仿真函数288
11.2.2初始化函数301
11.2.3学习函数304
11.2.4自组织映射函数310
附录 神经网络工具箱函数315