书籍详情

MATLAB 6.5辅助神经网络分析与设计

MATLAB 6.5辅助神经网络分析与设计

作者:飞思科技产品研发中心编著

出版社:电子工业出版社

出版时间:2003-01-01

ISBN:9787505381162

定价:¥29.00

购买这本书可以去
内容简介
  本书是在MATLAB 6.5的神经网络工具箱V4.0.2基础上编写的。全书共13章,首先简要介绍了神经网络的发展及基本理论,包括前向型神经网络、反馈神经网络、自组织与学习向量化神经网络和神经网络控制等方面的内容;接着对神经网络工具箱函数进行了介绍,在前向型神经网络设计、反馈神经网络设计、自组织与LVQ网络应用设计等方面列举了大量实例,并进行分析设计;最后对图形用户接口、SIMULINK、神经网络控制设计和定制网络等高级应用也举例进行了讲解。书中实例的源代码可至飞思在线http://www.fecit.com.cn下载。本书内容广泛、结构清晰、例证丰富,可供神经网络方面的教师、研究生、高年级本科生和广大科研人员做参考书用。
作者简介
暂缺《MATLAB 6.5辅助神经网络分析与设计》作者简介
目录
第1章  神经网络概述                  
     1. 1  MATLAB 6. 5语言简介                  
     1. 1. 1  MATLAB的产生背景及主要产品                  
     1. 1. 2  MATLAB语言特点                  
     1. 1. 3  MATLAB 6. 5的新特点                  
     1. 2  神经网络发展史                  
     1. 3  神经网络模型                  
     1. 3. 1  生物神经元模型                  
     1. 3. 2  神经元模型                  
     1. 3. 3  神经网络模型                  
     1. 4  人工神经网络的特性                  
 第2章  神经网络工具箱函数及实例                  
     2. 1  神经网络工具箱概述                  
     2. 2  感知器的神经网络工具函数                  
     2. 2. 1  MATLAB 6. 5中有关感知器的工具函数                  
     2. 2. 2  工具函数详解                  
     2. 3  BP网络的神经网络工具函数                  
     2. 3. 1  MATLAB6. 5中有关BP网络的重要函数                  
     2. 3. 2工具函数详解                  
     2. 4  线性网络的神经网络工具函数                  
     2. 4. 1  MATLAB 6. 5中有关线性网络的工具函数                  
     2. 4. 2  工具函数详解                  
     2. 5  自组织竞争网络工具箱函数                  
     2. 5. 1  MATLAB 6. 5中有关自组织网络的工具箱函数                  
     2. 5. 2  工具函数详解                  
     2. 6  径向基网络神经网络工具箱函数                  
     2. 7  回归网络的神经网络工具箱函数                  
     2. 7. 1  Hopfield神经网络的工具箱函数                  
     2. 7. 2  Elman神经网络的工具箱函数                  
 第3章  前向型神经网络理论及实例                  
     3. 1  感知器网络                  
     3. 1. 1  感知器模型                  
     3. 1. 2  感知器神经元网络的网络结构                  
     3. 1. 3  感知器神经网络的初始化                  
     3, 1. 4  感知器神经网络的学习规则                  
     3. 1. 5  感知器神经网络的训练                  
     3. 1. 6  感知器的局限性                  
     3. 1. 7  多层感知器                  
     3. 2  BP网络                  
     3. 2. 1  BP网络结构                  
     3. 2. 2  BP算法的数学描述                  
     3. 2. 3  BP网络中的神经元模型                  
     3. 2. 4  BP网络的训练过程                  
     3. 2. 5  BP算法的改进                  
     3. 3  线性神经网络                  
     3. 3. 1  线性神经元模型                  
     3. 3. 2  线性神经网络的模型                  
     3. 3. 3  线性网络的初始化                  
     3. 3. 4  线性网络的学习规则                  
     3. 3. 5  线性网络的训练                  
     3. 4  径向基函数网络                  
     3. 4. 1  径向基函数网络模型                  
     3. 4. 2  基函数的形式                  
     3. 4. 3  RBF学习过程                  
     3. 5  GMDH网络                  
 第4章  前向型神经网络设计分析                  
     4. 1  引言                  
     4. 2  感知器神经网络设计                  
     4. 2. 1  问题描述                  
     4. 2. 2  网络初始化                  
     4. 2. 3  网络训练                  
     4. 2. 4  神经网络性能测试                  
     4. 2. 5  结论及讨论                  
     4. 3  利用线性网络进行信号预测                  
     4. 3. 1  问题描述                  
     4. 3. 2  网络设计                  
     4. 3. 3  测试网络                  
     4. 3. 4  结论                  
     4. 4  自适应预测                  
     4. 4. 1  问题描述                  
     4. 4. 2  网络初始化                  
     4. 4. 3  网络训练                  
     4. 4. 4  网络性能测试                  
     4. 4. 5  结论                  
     4. 5  线性系统辨识                  
     4. 5. 1  问题描述                  
     4. 5. 2  建立网络                  
     4. 5. 3  测试网络                  
     4. 5. 4  结论                  
     4. 6  自适应系统辨识                  
     4. 6. 1  问题描述                  
     4. 6. 2  网络的建立                  
     4. 6. 3  网络训练                  
     4. 6. 4  网络测试                  
     4. 6. 5  结论                  
     4. 7  函数逼近                  
     4. 7. 1  问题描述                  
     4. 7. 2  网络建立                  
     4. 7. 3  网络训练                  
     4. 7. 4  网络测试                  
     4. 7. 5  讨论                  
     4. 8  胆固醇含量估计                  
     4. 8. 1  问题描述                  
     4. 8. 2  建立网络                  
     4. 8. 3  网络训练                  
     4. 8. 4  分析及讨论                  
     4. 8. 5  结论                  
     4. 9  特征识别                  
     4. 9. 1  问题描述                  
     4. 9. 2  神经元网络                  
     4. 9. 3  系统性能评估                  
     4. 9. 4  结论                  
     4. 10  径向基函数网络设计                  
     4. 10. 1  问题描述                  
     4. 10. 2  网络的建立                  
     4. 10. 3  仿真网络                  
     4. 10. 4  结论                  
 第5章  反馈型神经网络理论及实例                  
     5. 1  Elman神经网络                  
     5. 2  Hopfield神经网络                  
     5. 2. 1  Hopfield神经网络的演变过程                  
     5. 2. 2  离散型Hopfield神经网络(DHNN)                  
     5. 2. 3  连续型Hopfield神经网络                  
     5. 3  CG网络模型                  
     5. 4  盒中脑(BSB)模型                  
     5. 5  双向联想记忆(BAM)                  
     5. 6  回归BP网络                  
     5. 7  Boltzmann机网络                  
 第6章  反馈型神经网络设计分析                  
     6. 1  引言                  
     6. 2  振幅检测                  
     6. 2. 1  问题描述                  
     6. 2. 2  网络初始化                  
     6. 2. 3  网络训练                  
     6. 2. 4  网络测试                  
     6. 2. 5  网络的推广应用及完善                  
     6. 3  两神经元的Hopfield申经网络设计                  
     6. 3. 1  问题描述                  
     6. 3. 2  建立网络                  
     6. 3. 3  网络的测试                  
     6. 4  三神经元的Hopfield神经网络设计                  
     6. 4. 1  问题描述                  
     6. 4. 2  建立网络                  
     6. 4. 3  网络的测试                  
 第7章  自组织与LVQ神经网络理论及实例                  
     7. 1  自组织竞争网络                  
     7. 1. 1  自组织竞争网络的形成                  
     7. 1. 2  自组织竞争网络的基本思想                  
     7. 1. 3  两种联想学习规则                  
     7. 1. 4  基本竞争型人工神经网络                  
     7. 2  自组织特征映射神经网络                  
     7. 2. 1  自组织特征映射网络的结构                  
     7. 2. 2  自组织特征映射的算法                  
     7. 2. 3  自组织特征映射网络的学习及工作规则                  
     7. 3  自适应共振理论(ART)                  
     7. 4  CPN模型                  
 第8章  自组织与LVQ神经网络应用设计分析                  
     8. 1  引言                  
     8. 2  自组织竞争网络在模式分类中的应用                  
     8. 2. 1  问题描述                  
     8. 2. 2  网络建立                  
     8. 2. 3  网络训练                  
     8. 2. 4  网络测试与使用                  
     8. 2. 5  小结                  
     8. 3  二维自组织特征映射网络设计                  
     8. 3. 1  问题描述                  
     8. 3. 2  网络建立                  
     8. 3. 3  网络训练                  
     8. 3. 4  网络测试与应用                  
     8. 4  LVQ模式分类网络设计                  
     8. 4. 1  问题描述                  
     8. 4. 2  网络建立                  
     8. 4. 3  网络训练                  
     8. 4. 4  网络测试及使用                  
     8. 4. 5  结论                  
 第9章  神经控制器结构分析                  
     9. 1  NN学习控制                  
     9. 2  NN直接逆模型控制                  
     9. 3  NN自适应控制                  
     9. 3. 1  NN自校正控制(STC)                  
     9. 3. 2  NN模型参考自适应控制                  
     9. 4  NN内模控制                  
     9. 5  NN预测控制                  
     9. 6  NN自适应判断控制                  
     9. 7  基于CMAC的控制.                   
     9. 8  多层NN控制                  
     9. 9  分级NN控制                  
 第10章  神经网络控制理论及应用设计                  
     10. 1  模型预测控制理论                  
     10. 1. 1  系统辨识                  
     10. 1. 2  模型预测                  
     10. 2  模型预测控制实例分析                  
     10. 2. 1  问题的描述                  
     10. 2. 2  建立模型                  
     10. 2. 3  系统辨识                  
     10. 2. 4  系统仿真                  
     10. 3  反馈线性化控制理论                  
     10. 3. 1  辨识NARMA—L2模型                  
     10. 3. 2  NARMA—L2控制器                  
     10. 4  NARNMA—L2(反馈线性化)控制实例分析                  
     10. 4. 1  问题的描述                  
     10. 2  建立模型                  
     10. 4. 3  系统辨识                  
     10. 4. 4  系统仿真                  
     10. 5  模型参考控制理论                  
     10. 6  模型参考控制实例分析                  
     10. l  问题的描述                  
     10. 6. 2模型的建立                  
     10. 6. 3  系统辨识                  
     10. 6. 4  系统仿真                  
     10. 7  总结                  
 第11章  图形用户接口GUI                  
     11. 1  引言                  
     11. 2  建立网络                  
     11. 2. 1  输入和目标                  
     11. 2. 2  建立网络                  
     11. 3  训练网络                  
     11. 3. 1  训练网络                  
     11. 3. 2  仿真网络                  
     11. 4  将数据导出到命令行工作空间中                  
     11. 5  清除数据                  
     11. 6  从命令行工作空间中导入数据                  
     11. 7  变量存盘与读取                  
 第12章  SIMULINK                  
     12. 1  模块的设置                  
     12. 1. 1  传递函数模块                  
     12. 1. 2  网络输入模块                  
     12. 1. 3  权重模块                  
     12. 1. 4  控制系统模块                  
     12. 2  模块的生成                  
 第13章  高级话题                  
     13. 1  定制网绍                  
     13. 1. 1  定制网络                  
     13. 1. 2  网络定义                  
     13. 1. 3  网络行为                  
     13. 2  附加的工具箱函数                  
     13. 2. 1  初始化函数                  
     13. 2. 2  传递函数                  
     13. 2. 3  学习函数                  
     13. 3  定制函数                  
     13. 3. 1  仿真函数                  
     13. 3. 2  初始化函数                  
     13. 3. 3  学习函数                  
     13. 3. 4  自组织映射函数                  
 附录A  MATAB 6. 5的其他新特性                  
     A. 1  SIMULINK 5. 0的新特性                  
     A. 2  MathWorks Releasel3新产品                  
 附录B  MATLAB 6. 5安装问题指南                  
     B. 1  MATLAB 6. 5为什么安装后不能启动                  
     B. 2  安装时更新Java虚拟机的问题                  
     B. 3  PDF文档的获取                  
 附录C  MATLAB神经网络工具箱函数参考                  
     C. 1  工具箱函数                  
     C. 2  传递函数图形                  
 参考文献                  

猜您喜欢

读书导航