MATLAB神經網路套用設計

《MATLAB神經網路套用設計》是2009年01月械工業出版社出版的圖書，作者是張德豐。

基本介紹

• 書名：MATLAB神經網路套用設計
• 作者：張德豐
• ISBN：9787111256120
• 定價：39.00
• 出版社：機械工業出版社
• 出版時間：2009-1 
• 開本：16開

內容簡介

《MATLAB神經網路套用設計》一書，利用目前國際上流行的MATLAB環境，結合神經網路工具箱，在介紹人工神經網路中的各種典型網路以及訓練過程的基礎上，利用MATLAB工具箱進行神經網路的設計與套用。該書給出了各種神經網路在不同套用時的網路性能分析與直觀的圖形結果，使讀者更加透徹地了解各種神經網路的性能及其優缺點，從而達到正確、合理和充分套用神經網路的目的。該書可作為計算機、電子學、信息科學、通信、控制等專業的本科生、研究生教材，也可作為其他專業科技人員學習神經網路或MATLAB及其神經網路工具箱的參考用書。

本書根據作者實際使用MATLAB的經驗並結合大量的示例，以圖文並茂的形式循序漸進地介紹了MATLAB5.X的主要功能、函式命令及一些使用技巧，並介紹了比較複雜的數值計算和圖形用戶界面的編寫方法。本書重點介紹了神經網路的基本原理和學習訓練算法，詳細介紹了由MATLAB5.3（介紹兼顧MATLAB5.1版和MATLAB5.2版）提供的神經網路工具箱函式的使用方法，並結合作者在科研和指導研究生工作中總結的套用示例，說明了基於MATLAB進行神經網路設計與套用的方法。

目錄

前言

第1章神經網路概述1

1.1神經網路的基本概念1

1.1.1生物神經元的結構與功能特點1

1.1.2人工神經元模型1

1.1.3神經網路的結構及工作方式3

1.1.4神經網路的學習4

1.2神經網路的發展和套用7

1.2.1神經網路的發展7

1.2.2神經網路的研究內容8

1.2.3神經網路的套用8

1.3神經網路的特點8

1.4MATLAB語言及入門9

1.4.1MATLAB概述9

1.4.2MATLAB語言特點11

1.4.3MATLAB快速入門12

1.5神經網路工具箱23

第2章感知神經網路24

2.1單層感知器24

2.1.1感知器模型24

2.1.2感知器的功能25

2.1.3感知器的局限性27

2.1.4感知器的學習算法27

2.1.5單層感知器的MATLAB實現29

2.2多層感知器35

2.3感知器神經網路的學習和訓練36

2.3.1學習規則36

2.3.2網路訓練37

2.4基於BP算法的多層感知器設計基礎39

2.4.1網路信息容量與訓練樣本基礎39

2.4.2訓練樣本集的設計40

2.4.3初始權值的設計43

2.4.4多層感知器的結構設計44

2.4.5網路訓練與測試45

2.5感知器設計實例46

2.5.1二輸入感知器分類問題46

2.5.2輸入奇異樣本對網路訓練的影響47

2.5.3線性不可分輸入量48

第3章自組織競爭神經網路50

3.1競爭學習的概念與原理50

3.1.1基本概念50

3.1.2競爭學習原理52

3.2自組織神經網路模型54

3.2.1自組織特徵映射神經網路結構55

3.2.2自組織特徵映射網路學習算法55

3.3自組織競爭網路的神經網路工具箱函式56

3.3.1神經網路創建函式57

3.3.2顯示函式58

3.3.3變換函式58

3.3.4傳遞函式60

3.3.5距離函式61

3.3.6初始化函式64

3.3.7權值函式64

3.3.8學習函式65

3.3.9結構函式66

3.4實例分析71

3.4.1自組織競爭網路在模式分類中的套用71

3.4.2一維自組織特徵映射網路設計73

3.4.3二維自組織特徵映射網路設計75

3.4.4LVQ模式分類網路設計77

3.5自適應共振理論網路79

3.5.1ARTI型網路80

3.5.2ARTII型網路87

第4章BP神經網路92

4.1BP網路模型結構92

4.1.1神經元模型92

4.1.2前饋型神經網路結構93

4.2BP神經網路構建與算法94

4.2.1BP神經網路構建94

4.2.2BP網路的學習算法95

4.3BP網路的神經網路工具箱函式98

4.3.1BP網路創建函式99

4.3.2神經元上的傳遞函式100

4.3.3BP網路學習函式103

4.3.4BP網路訓練函式104

4.3.5性能函式106

4.3.6顯示函式107

4.4BP網路的局限性112

4.5BP網路的套用實例分析113

4.5.1函式逼近113

4.5.2模式識別119

第5章線性神經網路129

5.1線性神經網路構建129

5.1.1生成線性神經元129

5.1.2線性神經元系統設計130

5.1.3線性濾波器131

5.2線性神經網路學習算法132

5.2.1線性神經元網路模型132

5.2.2線性神經網路的學習算法133

5.3線性網路的神經網路工具箱函式134

5.3.1線性網路創建及設計函式134

5.3.2學習函式135

5.3.3傳輸及均方誤差函式139

5.4線性網路的局限性140

5.4.1不定系統140

5.4.2超定系統143

5.4.3線性相關向量145

5.4.4學習速率過大146

5.5線性神經網路套用實例分析148

5.5.1線性系統辨識148

5.5.2套用線性網路進行預測150

5.5.3自適應預測152

5.5.4自適應系統辨識154

第6章徑向基函式神經網路157

6.1徑向基函式神經網路模型與學習算法157

6.1.1RBF神經網路模型157

6.1.2RBF網路的學習算法158

6.2徑向基網路的神經網路函式159

6.2.1神經網路的創建函式160

6.2.2轉換函式162

6.2.3傳遞函式162

6.3基於徑向基函式技術的函式逼近與內插163

6.3.1插值問題描述163

6.3.2徑向基函式技術解決插值問題163

6.3.3完全內插存在的問題165

6.4機率神經網路166

6.4.1PNN網路結構166

6.4.2PNN網路的工作原理167

6.4.3機率神經網路的設計167

6.5正則化理論與正則化RBF網路168

6.5.1正則化理論168

6.5.2正則化RBF網路170

6.6模式可分性觀點與廣義的RBF網路171

6.6.1模式的可分性171

6.6.2廣義RBF網路172

6.7徑向基函式的網路套用實例173

6.7.1函式逼近173

6.7.2散布常數對徑向基函式網路設計的影響175

6.7.3套用PNN進行變數分類177

6.7.4套用GRNN進行函式逼近179

第7章反饋神經網路及MATLAB實現182

7.1Hopfield神經網路及MATLAB實現182

7.1.1離散型Hopfield神經網路182

7.1.2連續型Hopfield神經網路187

7.1.3Hopfield網路的MATLAB開發189

7.2Elman神經網路及套用191

7.2.1Elman神經網路結構191

7.2.2Elman神經網路的學習過程192

7.2.3Elman神經網路的工程套用192

7.2.4基於Elman網路的空調負荷預測196

7.3雙向聯想記憶神經網路198

7.3.1BAM網路結構與原理199

7.3.2能量函式與穩定性分析199

7.3.3BAM網的權值設計200

7.3.4BAM網的套用201

7.4反饋網路套用實例分析202

7.4.1Hopfield網路的不穩定性202

7.4.2三神經元的Hopfield神經網路設計204

7.4.3套用CHNN網解決最佳化計算問題206

7.5Boltzmann機網路及仿真209

7.5.1BM網路的基本結構209

7.5.2BM模型的工作規則和學習規則209

7.5.3BM網路的MATLAB仿真212

第8章神經網路預測與控制214

8.1電力系統負荷預報的MATLAB實現214

8.1.1問題描述214

8.1.2輸入/輸出向量設計215

8.1.3BP網路設計216

8.1.4網路訓練216

8.2地震預報的MATLAB實現218

8.2.1概述219

8.2.2BP網路設計220

8.2.3BP網路訓練與測試220

8.2.4地震預測的競爭網路模型224

8.3交通運輸能力預測的MATLAB實現226

8.3.1背景概述227

8.3.2網路創建與訓練227

8.3.3結論與分析231

8.4河道淺灘演變預測的MATLAB實現233

8.4.1基於BP網路的演變預測233

8.4.2基於RBF網路的演變預測239

8.5農作物蟲情預測的MATLAB實現239

8.5.1基於神經網路的蟲情預測原理240

8.5.2BP網路設計241

8.6用水測量的MATLAB實現243

8.6.1問題概述244

8.6.2RBF網路設計244

8.7神經網路模型預測控制246

8.7.1系統辨識246

8.7.2預測控制247

8.7.3神經網路模型預測控制器實例分析247

8.8NARMA？L2（反饋線性化）控制252

8.8.1NARMA？L2模型辨識252

8.8.2NARMA？L2控制器253

8.8.3NARMA？L2控制器實例分析254

第9章神經網路最佳化及故障診斷259

9.1BP網路學習算法的改進259

9.1.1消除樣本輸入順序影響的改進算法259

9.1.2附加動量的改進算法260

9.1.3採用自適應調整參數的改進算法260

9.1.4使用彈性方法的改進算法261

9.1.5基於共軛梯度法的改進算法261

9.1.6基於Levenberg-Marquardt法的改進算法261

9.2基於遺傳算法的神經網路最佳化方法262

9.2.1概述262

9.2.2遺傳算法簡介263

9.2.3遺傳算法工具箱264

9.2.4用遺傳算法最佳化神經網路權值的學習過程265

9.3小波神經網路266

9.3.1概述266

9.3.2小波神經網路參數調整算法267

9.3.3小波神經網路的MATLAB函式270

9.4神經網路與故障模式識別270

9.4.1常用的模式識別方法271

9.4.2神經網路在故障模式識別中的套用271

9.5基於機率神經網路的故障診斷273

9.5.1概述273

9.5.2基於PNN的故障診斷273

9.5.3結論275

9.6基於BP網路和Elman網路的齒輪箱故障診斷276

9.6.1工程描述276

9.6.2輸入和目標向量設計277

9.6.3BP網路設計277

9.6.4Elman網路設計280

9.7基於RBF網路的船用柴油機故障診斷282

9.7.1問題描述282

9.7.2渦輪增壓系統的故障診斷282

9.7.3網路設計284

第10章圖形用戶界面設計288

10.1事件處理288

10.2回調函式289

10.2.1中斷回調規則291

10.2.2回調函式原形291

10.3回調處理293

10.3.1遞歸函式調用293

10.3.2M檔案調用295

10.3.3函式句柄調用297

10.4網路的創建298

10.4.1設定輸入和期望輸出298

10.4.2網路生成300

10.5網路訓練與仿真302

10.5.1網路訓練302

10.5.2網路仿真302

10.6GUI的數據處理303

10.6.1GUI導出數據到MATLAB工作空間304

10.6.2GUI的數據清除305

10.6.3GUI從MATLAB工作空間導入數據305

10.6.4GUI數據檔案的存取307

10.7M檔案編程設計309

10.7.1界面設計309

10.7.2函式回調316

參考文獻320

……