《套用MATLAB實現神經網路》是2015年國防工業出版社出版的圖書，作者是聞新。
基本介紹
- 中文名：套用MATLAB實現神經網路
- 作者：聞新
- 出版時間：2015年3月
- 出版社：國防工業出版社
- 頁數：376 頁
- ISBN：978-7-118-10014-3
- 開本：16 開
- 裝幀：平裝
內容簡介,目錄,
內容簡介
本書共分為9 章。主要內容包括人工神經網路概述和MATLAB 基本用法介紹、MATLAB 神經網路工具箱的基本用法和套用實例;介紹神經網路工具箱函式的功能和實用方法,包括感知器、線性神經網路、BP 網路、徑向基網路、自組織競爭型神經網路、自組織特徵映射神經網路、Elman 神經網路、 Hopfield 網路、聯想記憶網路的套用、圖形用戶接口。自定義神經網路、神經網路在工程中的套用等內容。本書可作為高等院校計算機、電子工程、控制工程、通信、數學、力學、機械和航空航天等專業學生的參考教材,對從事上述領域工作的廣大科技人員具有重要的參考價值,對學習神經網路及其仿真技術的讀者來說,也是一本有價值的入門指導書。
目錄
第1章神經網路概述及MATLAB介紹1
1.1人工神經網路基本知識1
1.2神經網路的發展歷程2
1.3神經網路研究及其套用5
1.4神經細胞與人工神經元6
1.4.1生物神經元的特點6
1.4.2人工神經元模型7
1.5神經網路的分類9
1.6神經網路的學習訓練11
1.7MATLAB入門學習13
1.7.1MATLAB的發展史13
1.7.2MATLAB的功能14
1.7.3MATLAB的語言特點15
1.8MATLAB用戶界面16
1.8.1MATLAB的啟動和退出17
1.8.2MATLAB工作環境17
1.9MATLAB的數值與變數23
1.9.1MATLAB 的數值23
1.9.2MATLAB 的變數24
第2章感知器神經網路28
2.1單層感知器28
2.1.1單層感知器模型28
2.1.2單層感知器功能30
2.1.3單層感知器神經網路結構33
2.2多層感知器34
2.2.1多層感知器模型34
2.2.2多層感知器設計35
2.3感知器的學習算法36
2.4感知器神經網路的訓練函式38
2.4.1感知器創建函式38
2.4.2感知器初始化函式39
2.4.3感知器顯示函式41
2.4.4感知器仿真函式43
2.4.5感知器性能函式45
2.4.6感知器的訓練函式46
2.4.7感知器的學習函式48
2.4.8感知器的傳遞函式50
2.5感知器的局限性52
2.6感知器神經網路的套用實例分析54
2.6.1判斷氣體污染物的分類54
2.6.2奇異樣本對感知器神經網路訓練的影響56
第3章線性神經網路59
3.1線性神經網路模型及結構59
3.1.1神經元模型59
3.1.2線性神經網路的結構61
3.2線性神經網路的學習算法61
3.3線性神經網路的構建63
3.3.1生成線性神經元63
3.3.2線性濾波器65
3.4線性神經網路的訓練66
3.5線性神經網路的訓練函式68
3.5.1線性網路的創建函式69
3.5.2線性網路的學習函式72
3.5.3線性網路的傳輸函式75
3.5.4線性網路的權積函式76
3.5.5線性網路的初始化函式78
3.6線性神經網路的局限性79
3.6.1線性相關向量79
3.6.2學習速率過大80
3.7線性神經網路套用實例分析84
3.7.1線性網路在噪聲對消中的套用84
3.7.2線性網路在信號預測中的套用87
3.7.3線性網路實現異或的套用90
第4章BP神經網路95
4.1BP神經網路模型及結構96
4.1.1神經元模型96
4.1.2前饋型神經網路結構97
4.2BP神經網路的算法與BP網路推導98
4.2.1BP 神經網路算法98
4.2.2BP神經網路的推導104
4.3BP神經網路的訓練函式109
4.3.1BP網路創建函式110
4.3.2BP網路神經元上的傳遞函式118
4.3.3BP網路學習函式124
4.3.4BP網路訓練函式126
4.3.5BP網路性能函式130
4.3.6BP網路顯示函式133
4.4BP神經網路的局限性137
4.5BP神經網路算法的改進138
4.6BP神經網路的套用實例分析145
4.6.1利用BP網路去除有關噪聲的問題145
4.6.2基於BP網路的性別識別148
第5章反饋型神經網路160
5.1反饋神經網路的概述160
5.2離散Hopfield神經網路163
5.2.1離散型Hopfield神經網路模型163
5.2.2離散Hopfield神經網路的穩定性166
5.2.3離散Hopfield神經網路權值的學習169
5.2.4離散Hopfield神經網路的聯想記憶171
5.3連續Hopfield神經網路175
5.3.1連續Hopfield神經網路模型結構175
5.3.2連續Hopfield神經網路穩定性176
5.3.3連續Hopfield神經網路的特點177
5.4Hopfield神經網路的訓練函式178
5.4.1Hopfield網路的創建函式178
5.4.2Hopfield網路的傳遞函式179
5.4.3Hopfield網路的輔助函式182
5.5Hopfield神經網路套用實例分析183
5.5.1二神經元Hopfield網路設計問題183
5.5.2Hopfield網路的偽平衡點問題186
5.5.3三神經元的Hopfield網路問題188
5.6Elman神經網路191
5.6.1Elman神經網路結構192
5.6.2Elman神經網路權值修正的學習算法193
5.6.3Elman神經網路權穩定性195
5.6.4對角遞歸網路穩定時學習速率的確定196
5.7Elman神經網路的訓練函式197
5.8Elman神經網路套用實例分析200
第6章徑向基函式神經網路205
6.1徑向基函式神經網路基本原理205
6.1.1徑向基函式的結構模型205
6.2徑向基函式神經網路的學習算法207
6.2.1隨機選取固定中心法207
6.2.2自組織選取中心209
6.2.3正交最小二乘法210
6.3徑向基函式神經網路的訓練函式212
6.3.1徑向基函式網路創建函式212
6.3.2徑向基函式網路傳遞函式216
6.3.3徑向基函式網路轉換函式217
6.3.4徑向基函式網路權函式219
6.3.5徑向基函式網路輸入函式222
6.4其他徑向基函式神經網路223
6.4.1廣義回歸神經網路223
6.4.2機率神經網路226
6.5徑向基函式神經網路的優缺點231
6.6徑向基函式神經網路的套用實例分析232
6.6.1徑向基函式網路用於曲線擬合的問題232
6.6.2徑向基函式網路用於非線性函式回歸的問題235
第7章自組織競爭型神經網路239
7.1自組織競爭型神經網路的模型及結構239
7.2自組織競爭型神經網路的原理241
7.2.1自組織競爭網路的學習策略241
7.2.2自組織競爭網路的學習原理243
7.3幾種常用的聯想學習規則244
7.4自組織競爭型神經網路存在的問題247
7.5SOM神經網路248
7.5.1SOM神經網路的拓撲結構248
7.5.2SOM神經網路的學習算法249
7.5.3SOM神經網路的訓練過程252
7.6LVQ神經網路253
7.6.1LVQ神經網路結構253
7.6.2LVQ神經網路的學習算法254
7.7自組織競爭神經網路的訓練函式257
7.7.1自組織競爭神經網路創建函式258
7.7.2自組織競爭神經網路學習函式261
7.7.3自組織競爭神經網路傳遞函式271
7.7.4自組織競爭神經網路初始化函式273
7.7.5自組織競爭神經網路結構函式273
7.7.6自組織競爭神經網路距離函式276
7.7.7自組織競爭神經網路顯示函式279
7.8自組織競爭神經網路套用實例分析283
7.8.1基於LVQ神經網路的人臉朝向識別問題283
7.8.2基於SOM神經網路的故障診斷分析288
第8章MATLAB編程實現神經網路的套用293
8.1基於HBF網路的自適應狀態觀測器設計293
8.1.1HBF網路293
8.1.2觀測器設計294
8.1.3仿真驗證297
8.2基於RBF網路的船用柴油機故障診斷306
8.2.1故障樣本集的收集與設計306
8.2.2網路輸出向量設計308
8.3帶有偏差單元的遞歸神經網路311
8.3.1BP網路及算法的不足312
8.3.2帶有偏差單元的遞歸神經網路312
8.3.3帶有偏差單元的遞歸神經網路的誤差反向傳播學習規則的數學推導313
8.3.4帶有偏差單元的遞歸神經網路診斷模型的建立318
8.4基於FCM最佳化的RBF網路自適應狀態觀測器設計322
8.4.1FCM最佳化的RBF網路322
8.4.2自適應狀態觀測器設計323
8.4.3仿真驗證327
8.5基於泛函模糊神經網路的GPS/INS 組合導航系統的軟故障診斷331
8.5.1狀態χ2檢驗原理331
8.5.2泛函模糊神經網路的結構336
8.5.3仿真驗證338
第9章神經網路工具箱的使用345
9.1自定義神經網路345
9.1.1自定義一個簡單的網路347
9.1.2自定義一個複雜的網路351
9.1.3自定義網路的訓練366
9.2自定義神經網路工具箱函式369
9.3自定義神經網路實用的工具箱函式370
參考文獻
