精通MATLAB神经网络【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

精通MATLAB神经网络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

第一篇　MATLAB入门篇2

第1章 MATLAB概述2

1.1 MATLAB的产生与发展2

1.2 MATLAB的优势与特点2

1.3 MATLAB系统的构成4

1.4 MATLAB桌面操作环境5

1.4.1 MATLAB启动和退出5

1.4.2 MATLAB主菜单及功能6

1.4.3 MATLAB命令窗口9

1.4.4 MATLAB工作空间11

1.4.5 M文件编辑／调试器13

1.4.6 图形窗口14

1.4.7 MATLAB文件管理16

1.4.8 MATLAB帮助16

1.5 MATLAB的工具箱17

1.6 小结18

第2章 MATLAB计算基础19

2.1 MATLAB数值类型19

2.2 关系运算和逻辑运算21

2.3 矩阵及其运算22

2.3.1 矩阵的创建22

2.3.2 矩阵的运算24

2.4 复数及其运算25

2.4.1 复数表示25

2.4.2 复数绘图27

2.4.3 复数操作函数28

2.5 符号运算28

2.5.1 符号运算概述28

2.5.2 常用的符号运算30

2.6 小结33

第3章 MATLAB绘图入门34

3.1 MATLAB中绘图的基本步骤34

3.2 在工作空间直接绘图35

3.3 利用绘图函数绘图36

3.3.1 绘制二维图形36

3.3.2 绘制三维图形37

3.4 图形的修饰41

3.5 小结44

第4章 MATLAB编程入门45

4.1 MATLAB编程概述45

4.2 MATLAB程序设计原则46

4.3 M文件47

4.4 MATLAB程序流程控制49

4.5 MATLAB中的函数及调用52

4.5.1 函数类型52

4.5.2 函数参数传递55

4.6 函数句柄60

4.7 MATLAB程序调试61

4.7.1 常见程序错误61

4.7.2 调试方法64

4.7.3 调试工具64

4.7.4 M文件分析工具67

4.7.5 Profiler分析工具69

4.8 MATLAB程序设计技巧70

4.8.1 嵌套计算70

4.8.2 循环计算72

4.8.3 使用例外处理机制72

4.8.4 使用全局变量74

4.8.5 通过varargin传递参数76

4.9 小结77

第5章 Simulink仿真入门78

5.1 Simulink仿真概述78

5.1.1 Simulink的启动与退出78

5.1.2 Simulink模块库79

5.2 Simulink仿真模型及仿真过程84

5.3 Simulink模块的处理86

5.3.1 Simulink模块参数设置86

5.3.2 Simulink模块基本操作88

5.3.3 Simulink模块连接90

5.4 Simulink仿真设置92

5.4.1 仿真器参数设置92

5.4.2 工作空间数据导入／导出设置94

5.5 Simulink仿真举例95

5.6 小结98

第二篇 神经网络提高篇第6章 MATLAB神经网络工具箱概述100

6.1 神经网络简介100

6.2 神经网络模型及训练101

6.2.1 生物神经元模型101

6.2.2 神经网络模型102

6.2.3 神经网络的训练104

6.2.4 神经网络的分类105

6.3 神经网络的应用106

6.4 神经网络工具箱简介108

6.4.1 工具箱的功能108

6.4.2 工具箱的新特性108

6.4.3 MATLAB中的神经网络数据结构110

6.4.4 工具箱函数简介112

6.5 小结113

第7章 MATLAB神经网络GUI工具114

7.1 基础GUI工具nntool114

7.1.1 网络创建114

7.1.2 网络训练119

7.1.3 网络仿真121

7.1.4 图形界面数据操作122

7.2 数据拟合GUI工具nftool127

7.3 模式识别GUI工具nprtool131

7.4 数据聚类GUI工具nctool136

7.5 小结139

第8章 感知器神经网络140

8.1 感知器神经网络结构140

8.1.1 感知器神经元模型140

8.1.2 单层感知器神经网络结构141

8.2 感知器学习规则142

8.2.1 感知器网络学习算法143

8.2.2 标准化感知器网络学习算法144

8.3 感知器网络的MATLAB实现144

8.3.1 感知器网络的生成144

8.3.2 感知器网络的仿真146

8.3.3 感知器网络的初始化147

8.3.4 感知器网络的学习和训练148

8.4 感知器网络的局限性152

8.4.1 单层感知器网络的局限性152

8.4.2 多层感知器神经网络152

8.5 感知器神经网络设计实例153

8.5.1 输入向量的二类划分153

8.5.2 奇异样本输入向量的训练155

8.5.3 标准化感知器学习规则实例158

8.5.4 线性不可分样本问题159

8.6 小结161

第9章 线性神经网络162

9.1 线性神经网络结构162

9.1.1 线性神经元模型162

9.1.2 线性神经网络结构163

9.2 线性滤波器164

9.3 线性神经网络学习规则164

9.3.1 均方误差165

9.3.2 LMS算法165

9.4 线性神经网络的MATLAB实现166

9.4.1 线性神经元生成166

9.4.2 线性神经网络生成169

9.4.3 线性滤波器生成170

9.4.4 线性神经网络训练171

9.5 线性网络的局限性175

9.5.1 非线性系统175

9.5.2 超定系统178

9.5.3 不定系统178

9.5.4 线性相关向量181

9.5.5 学习速率过大183

9.6 线性神经网络设计实例185

9.6.1 线性预测185

9.6.2 自适应滤波噪声抵消187

9.6.3 自适应滤波系统辨识189

9.7 小结192

第10章 BP神经网络193

10.1 BP神经网络结构193

10.1.1 BP网络神经元模型193

10.1.2 BP神经网络结构194

10.2 BP网络学习规则195

10.2.1 BP算法195

10.2.2 批处理学习算法198

10.3 BP网络的MATLAB实现199

10.3.1 BP网络的创建与仿真199

10.3.2 BP网络的训练200

10.4 BP网络的局限性215

10.5 BP神经网络设计实例216

10.5.1 函数逼近216

10.5.2 回归分析218

10.5.3 特征识别220

10.6 小结224

第11章 径向基神经网络225

11.1 基本径向基神经网络225

11.1.1 径向基网络神经元模型225

11.1.2 径向基神经网络结构226

11.2 概率神经网络227

11.3 广义回归神经网络228

11.4 径向基网络的MATLAB实现229

11.4.1 径向基神经网络的精确创建230

11.4.2 更有效的径向基神经网络创建231

11.4.3 概率神经网络的创建231

11.4.4 广义回归神经网络的创建232

11.5 径向基网络设计实例233

11.5.1 径向基网络函数逼近233

11.5.2 散布常数的影响之欠交叠情形236

11.5.3 散布常数的影响之过交叠情形238

11.5.4 广义回归网络函数逼近239

11.5.5 概率神经网络模式分类242

11.6 小结245

第12章 自组织神经网络246

12.1 自组织竞争网络246

12.1.1 自组织竞争网络结构模型246

12.1.2 自组织竞争神经网络的学习算法247

12.2 自组织特征映射网络250

12.2.1 自组织特征映射网络模型250

12.2.2 自组织特征映射网络结构258

12.2.3 自组织特征映射网络的学习规则259

12.3 学习矢量量化网络259

12.3.1 学习矢量量化网络结构260

12.3.2 学习矢量量化网络的学习规则260

12.3.3 与自组织映射网络的比较262

12.4 自组织神经网络的MATLAB实现263

12.4.1 自组织竞争网络的设计263

12.4.2 自组织竞争网络的训练264

12.4.3 SOFM网络的设计265

12.4.4 SOFM网络的训练267

12.4.5 LVQ网络的设计267

12.4.6 LVQ网络的训练270

12.5 自组织神经网络应用实例271

12.5.1 自组织竞争网络模式分类271

12.5.2 一维自组织特征映射网络273

12.5.3 二维自组织特征映射网络275

12.5.4 LVQ网络应用实例277

12.6 小结279

第13章 反馈神经网络280

13.1 Hopfield网络280

13.1.1 离散Hopfield网络模型281

13.1.2 连续Hopfield网络模型283

13.1.3 联想记忆285

13.1.4 Hopfield网络结构287

13.2 Elman反馈神经网络287

13.3 反馈神经网络的MATLAB实现288

13.3.1 设计Hopfield网络288

13.3.2 Elman网络的创建与仿真290

13.3.3 训练Elman网络291

13.4 反馈神经网络应用实例292

13.4.1 二神经元Hopfield网络设计292

13.4.2 Hopfield网络中的伪平衡点295

13.4.3 三神经元Hopfield网络设计297

13.4.4 利用Elman网络进行振幅检测300

13.5 小结303

第三篇 神经网络综合实战篇第14章 神经网络优化306

14.1 支持向量机306

14.1.1 统计学习理论307

14.1.2 支持向量机（SVM）理论307

14.1.3 支持向量机实例310

14.2 Boltzmann机与模拟退火算法314

14.2.1 Boltzmann机的网络结构314

14.2.2 模拟退火算法315

14.2.3 Boltzmann机的工作原理316

14.3 基于遗传算法的神经网络优化317

14.3.1 遗传算法介绍318

14.3.2 基于遗传算法的神经网络优化算法320

14.3.3 遗传算法优化实例321

14.4 小结325

第15章 神经网络控制326

15.1 神经网络控制概述327

15.1.1 监督式神经网络控制327

15.1.2 直接逆模型神经网络控制328

15.1.3 神经网络自适应控制328

15.1.4 神经网络内模控制329

15.1.5 神经网络预测控制330

15.1.6 神经网络自适应判断控制331

15.1.7 多层神经网络控制331

15.1.8 分级神经网络控制332

15.2 神经网络模型预测控制333

15.2.1 系统辨识334

15.2.2 预测控制335

15.2.3 预测控制的Simulink实例335

15.3 神经网络反馈线性化控制（NARMA-L2）341

15.3.1 NARMA-L2系统辨识341

15.3.2 NARMA-L2控制器342

15.3.3 NARMA-L2控制器Simulink实例343

15.4 神经网络模型参考控制347

15.5 小结352

第16章 神经网络故障诊断353

16.1 神经网络故障诊断概述353

16.2 基于神经网络的滚动轴承故障诊断354

16.2.1 问题背景354

16.2.2 问题实例356

16.3 基于神经网络的汽车防抱死系统故障诊断359

16.3.1 问题背景359

16.3.2 问题实例361

16.4 基于神经网络的柴油机故障诊断364

16.4.1 问题背景364

16.4.2 问题实例366

16.5 基于神经网络的水循环系统故障诊断371

16.5.1 问题背景371

16.5.2 问题实例372

16.6 小结374

第17章 神经网络预测375

17.1 神经网络预测概述375

17.2 基于神经网络的地震预测378

17.2.1 问题背景378

17.2.2 问题实例378

17.3 基于神经网络的人口预测382

17.3.1 问题背景382

17.3.2 问题实例382

17.4 基于神经网络的电信业务量预测385

17.4.1 问题背景385

17.4.2 问题实例385

17.5 基于神经网络的股市预测388

17.5.1 问题背景388

17.5.2 问题实例389

17.6 基于神经网络的信用风险预测391

17.6.1 问题背景391

17.6.2 问题实例392

17.7 小结394

第18章 Simulink中的神经网络设计395

18.1 Simulink神经网络模块395

18.1.1 传递函数模块库396

18.1.2 网络输入函数模块库397

18.1.3 权值函数模块库397

18.1.4 处理函数模块库398

18.1.5 控制系统模块库398

18.2 神经网络Simulink模型设计实例399

18.3 小结403

第19章 自定义神经网络404

19.1 自定义网络404

19.1.1 定制网络405

19.1.2 定义网络406

19.1.3 网络行为414

19.2 相关工具箱函数417

19.2.1 初始化函数417

19.2.2 传递函数417

19.2.3 学习函数420

19.3 自定义函数425

19.3.1 网络构建函数425

19.3.2 初始化函数431

19.3.3 学习函数432

19.3.4 自组织映射函数435

19.4 小结437

附录A 工具箱函数列表438

参考文献444