MATLAB神经网络应用设计PDF|Epub|txt|kindle电子书版本网盘下载

MATLAB神经网络应用设计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

第一章 概论1

1.1 MATLAB软件包的特征1

1.1.1 MATLAB语言(软件包)的发展过程1

1.1.2 MATLAB的功能2

1.1.3 MATLAB的工具箱2

1.2 MATLAB的系统需求和安装3

1.2.1 MATLAB的系统需求3

1.2.2 MATLAB的安装4

1.3 神经网络发展和应用7

1.3.1 人工神经网络发展的历史回顾7

1.3.3 神经网络的学习方法9

1.3.2 神经网络的应用9

1.4 面向MATLAB工具箱的神经网络设计概述11

1.4.1 MATLAB神经网络工具箱11

1.4.2 神经网络技术的选取12

1.4.3 运用工具箱设计网络的原则和过程12

1.5 本书的基本结构和内容概要13

第二章 MATLAB数值计算功能15

2.1 矩阵与数组运算15

2.1.1 矩阵的建立15

2.1.2 矩阵和数组运算指令对照汇总18

2.2 矩阵与数组函数21

2.2.1 基本数组函数21

2.2.2 基本矩阵函数22

2.2.3 几个易混淆的两种函数运算24

2.3 关系运算和逻辑运算25

2.3.1 关系运算26

2.3.2 逻辑运算26

2.4 矩阵的分解28

2.4.1 三角分解28

2.4.2 正交分解29

2.4.3 特征值分解29

2.4.4 奇异值分解30

2.5.1 多项式的表达和创建31

2.5.2 多项式的运算31

2.5 多项式31

2.6 数据分析33

2.6.1 基本统计函数指令33

2.6.2 协方差阵和相关阵34

2.6.3 有限差分和导数34

2.6.4 数据滤波37

2.7 数值分析37

2.7.1 数值积分37

2.7.2 微分方程的数值解39

第三章 MATLAB符号处理41

3.1 字符串43

3.1.2 字符的ASCII码转换44

3.1.1 字符数组44

3.1.3 创建二维的字符数组45

3.1.4 字符串中的单元数组45

3.1.5 字符数组与单元数组间的转换45

3.1.6 字符串比较46

3.1.7 判断字符串是否相等46

3.1.8 通过字符的运算来比较字符47

3.1.9 字符串中字符的分类47

3.1.10 查找与替换48

3.1.11 字符串和数值的相互转换48

3.2.1 符号矩阵的创建49

3.2 符号矩阵的运算49

3.2.2 符号矩阵的加、减、乘和除运算50

3.2.3 符号矩阵的逆和除运算51

3.2.4 符号矩阵的幂运算51

3.2.5 符号矩阵的综合运算指令52

3.2.6 符号变量替换52

3.2.7 符号矩阵的分解53

3.2.8 符号微积分54

3.2.9 符号代数方程的求解55

3.2.10 符号微分方程的求解56

4.1 二维绘图58

4.1.1 plot58

第四章 绘图58

4.1.2 figure和subplot60

4.1.3 绘图指令的开关控制62

4.1.4 标题与坐标轴的操作65

4.2 三维绘图68

4.2.1 mesh68

4.2.2 3D图形的颜色、光线来源及图上标点的设定70

4.2.3 透视与视角的设置72

4.3 图形句柄74

4.3.1 图形对象74

4.3.2 图形对象的句柄75

4.3.3 对象创建函数76

4.3.4 对象品性及其设置和查询85

4.3.5 实时动画的制作85

第五章MATLAB的程序设计88

5.1 MATLAB程序设计入门88

5.1.1 编辑程序和m文件的形式88

5.1.2 MATLAB的命令文件89

5.1.3 MATLAB的函数文件90

5.2 参数与变量91

5.2.1 参数91

5.2.2 局部变量与全局变量94

5.3 数据类型96

5.4.1 顺序结构97

5.4 程序结构97

5.4.2 循环结构98

5.4.3 分支结构99

5.5 程序流控制语句102

5.5.1 echo指令102

5.5.2 input,yesinput指令103

5.5.3 pause指令103

5.5.4 keyboard指令104

5.5.5 break指令104

5.6 函数调用及变量传递104

5.6.1 函数调用104

5.6.2 参数传递106

5.7.1 带有偏差单元的递归神经网络107

5.7 神经网络应用设计举例107

5.7.2 具有快速学习算法的补偿模糊神经网络118

第六章 感知器132

6.1 感知器的原理132

6.1.1 感知器神经元模型132

6.1.2 感知器神经元网络的网络结构133

6.1.3 感知器神经网络的初始化134

6.1.4 感知器神经网络的学习规则135

6.1.5 感知器神经网络的训练135

6.1.6 感知器的局限性135

6.2.1 MATLAB中有关感知器的工具函数136

6.1.7 多层感知器136

6.2 有关感知器的神经网络工具函数136

6.2.2 工具函数详解137

6.3 感知器网络设计实例157

6.3.1 简单的分类问题157

6.3.2 多个感知器神经元的分类问题160

6.3.3 输入奇异样本对网络训练的影响162

6.3.4 标准化感知器学习规则165

6.3.5 线性不可分的输入向量166

7.1 线性神经网络原理169

7.1.1 线性神经元模型169

第七章 线性神经网络169

7.1.2 线性神经网络的模型170

7.1.3 线性网络的初始化170

7.1.4 线性网络的学习规则171

7.1.5 线性网络的训练171

7.2 有关线性网络的神经网络工具函数172

7.2.1 MATLAB中有关线性网络的工具函数172

7.2.2 工具函数详解172

7.3 线性网络设计及应用举例179

7.3.1 线性网络设计实例179

7.3.2 线性网络应用实例194

8.1.1 BP网络结构207

8.1 BP网络207

第八章 BP网络207

8.1.2 BP网络学习公式推导208

8.2 MATLAB神经网络工具箱中的BP网络212

8.2.1 BP网络中的神经元模型212

8.2.2 BP网络结构212

8.2.3 MATLAB中有关BP网络的重要函数213

8.3 BP网络的应用设计225

8.3.1 BP网络的训练过程225

8.3.2 BP网络的设计分析231

8.4 BP算法的改进及其设计实例232

9.1 引言244

第九章 径向基函数网络244

9.2 径向基函数神经网络245

9.3 径向基函数神经网络的工具箱函数246

9.3.1 网络设计函数246

9.3.2 权函数249

9.3.3 网络输入函数250

9.3.4 radbas(径向基)传递函数252

9.3.5 mse均方误差性能函数252

9.3.6 变换函数253

9.4 径向基函数网络的设计与应用254

9.4.1 径向基函数网络的设计及在函数逼近上的应用254

9.4.2 径向基函数网络与模糊理论的结合及应用260

第十章 自组织竞争人工神经网络271

10.1 两种联想学习规则271

10.1.1 Instar学习规则271

10.1.2 Outstar学习规则272

10.2 基本竞争型人工神经网络273

10.3 自组织特征映射神经网络274

10.3.1 自组织特征映射网络的结构274

10.3.2 自组织映射网络的学习及工作规则275

10.4 自组织竞争人工神经网络工具箱函数278

10.5 网络设计实例295

10.5.1 竞争学习网络设计实例295

10.5.2 一维空间自组织特征映射网络设计实例299

第十一章 回归网络302

11.1 引言302

11.2 回归网络303

11.2.1 Hopfield网络304

11.2.2 Elman神经网络309

11.3 回归网络的工具箱函数309

11.3.1 Hopfield网络的工具箱函数310

11.3.2 Elman网络的工具箱函数311

11.4 应用举例312

附录A MATLAB(5.1版)神经网络工具箱函数329

附录B MATLAB(5.2版)神经网络工具箱函数331