《MATLAB神經網路超級學習手冊》是2014年5月1日人民郵電出版社出版的圖書，作者是劉冰、郭海霞。
基本介紹
- 書名：MATLAB神經網路超級學習手冊
- 類型：計算機與網際網路
- 出版日期：2014年5月1日
- 語種：簡體中文
- ISBN：7115349487
- 作者：劉冰、郭海霞
- 出版社：人民郵電出版社
- 頁數：462頁
- 開本：16
內容簡介,本書特點,作者簡介,圖書目錄,
內容簡介
《MATLAB神經網路超級學習手冊》以新近推出的MATLAB R2013a神經網路工具箱為基礎，系統全面地介紹了神經網路的各種概念和套用。《MATLAB神經網路超級學習手冊》按邏輯編排，自始至終採用實例描述；內容完整且每章相對獨立，是一本不可多得的掌握MATLAB神經網路的學習用書。 全書共分為16章，從MATLAB簡介開始，詳細介紹了MATLAB的基礎知識、MATLAB程式設計、人工神經網路概述、感知器、線性神經網路、BP神經網路、RBF神經網路、反饋型神經網路、競爭型神經網路、神經網路在Simulink中的套用、神經網路GUI、自定義神經網路及函式等內容。在本書最後，還詳細介紹了神經網路在MATLAB中的幾種套用方法。 《MATLAB神經網路超級學習手冊》以神經網路結構為主線，以學習算法為副線，結合各種實例，目的是使讀者易看懂、會套用。本書是一本簡明介紹MATLAB神經網路設計技能的綜合性用書。《MATLAB神經網路超級學習手冊》深入淺出，實例引導，講解詳實，既可以作為高等院校理工科的研究生、本科生的教材，也可作為廣大科研工程技術人員的參考用書。
叢書特點
本叢書的作者均是經驗豐富的專業工程師，圖書內容來源於作者多年工作經驗的總結，封面統一設計，寫作統一風格。無論是從案例的選擇、講解的詳細程度、書中涉及的專業知識等各方面都充分考慮讀者的喜好，力求打造“工程軟體套用精解”這一長銷品牌
本叢書的作者均是經驗豐富的專業工程師，圖書內容來源於作者多年工作經驗的總結，封面統一設計，寫作統一風格。無論是從案例的選擇、講解的詳細程度、書中涉及的專業知識等各方面都充分考慮讀者的喜好，力求打造“工程軟體套用精解”這一長銷品牌
本書特點
·由淺入深，循序漸進：本書以國中級讀者為對象，首先從MATLAB使用基礎講起，再以神經網路在MATLAB中的套用案例幫助讀者儘快掌握神經網路設計的技能。
·步驟詳盡、內容新穎：本書結合作者多年MATLAB神經網路使用經驗與實際工程套用案例，將MATLAB軟體的使用方法與技巧詳細地講解給讀者，使讀者在閱讀時一目了然，從而快速把握書中所講內容。
·重點突出，輕鬆易學：通過學習實際工程套用案例的具體操作是掌握神經網路設計最好的方式。本書通過綜合套用案例，透徹詳盡的講解了神經網路在各方面的套用。
·步驟詳盡、內容新穎：本書結合作者多年MATLAB神經網路使用經驗與實際工程套用案例，將MATLAB軟體的使用方法與技巧詳細地講解給讀者，使讀者在閱讀時一目了然，從而快速把握書中所講內容。
·重點突出，輕鬆易學：通過學習實際工程套用案例的具體操作是掌握神經網路設計最好的方式。本書通過綜合套用案例，透徹詳盡的講解了神經網路在各方面的套用。
作者簡介
劉冰，郭海霞，從事信息處理等相關工作，熟悉MATLAB等工程軟體，在國內外期刊發表論文多篇。
圖書目錄
第1章 MATLAB簡介
1.1 MATLAB的發展
1.2 MATLAB的特點及套用領域
1.3 MATLAB R2013a的安裝
1.4 MATLAB R2013a的工作環境
1.4.1 操作界面簡介
1.4.2 Workspace（命令視窗）
1.4.3 Command History（歷史命令視窗）
1.4.4 輸入變數
1.4.5 路徑管理
1.4.6 搜尋路徑
1.4.7 Workspace（工作空間）
1.4.8 變數的編輯命令
1.4.9 存取數據檔案
1.5 MATLAB R2013a的幫助系統
1.5.1 純文本幫助
1.5.2 演示幫助
1.5.3 幫助導航
1.5.4 幫助檔案目錄窗
1.5.5 幫助檔案索引窗
1.6 本章小結
第2章 MATLAB基礎
2.1 基本概念
2.1.1 MATLAB數據類型概述
2.1.2 常量與變數
2.1.3 標量、向量、矩陣與數組
2.1.4 運算符
2.1.5 命令、函式、表達式和語句
2.2 MATLAB中的數組
2.2.1 數組的保存和裝載
2.2.2 數組索引和定址
2.2.3 數組的擴展和裁剪
2.2.4 數組形狀的改變
2.2.5 數組運算
2.2.6 數組的查找
2.2.7 數組的排序
2.2.8 高維數組的降維操作
2.3 曲線擬合
2.3.1 多項式擬合
2.3.2 加權最小方差（WLS）擬合原理及實例
2.4 M文
2.4.1 M檔案概述
2.4.2 局部變數與全局變數
2.4.3 M檔案的編輯與運行
2.4.4 腳本檔案
2.4.5 函式檔案
2.4.6 函式調用
2.4.7 M檔案調試工具
2.4.8 M檔案分析工具
2.5 本章小結
第3章 MATLAB程式設計
3.1 MATLAB的程式結構
3.1.1 if分支結構
3.1.2 switch分支結構
3.1.3 while循環結構
3.1.4 for循環結
3.2 MATLAB的控制語句
3.2.1 continue命令
3.2.2 break命令
3.2.3 return命令
3.2.4 input命令
3.2.5 keyboard命令
3.2.6 error和warning命令
3.3 數據的輸入輸出
3.3.1 鍵盤輸入語句（input）
3.3.2 螢幕輸出語句（disp）
3.3.3 M數據檔案的存儲/載入（save/load）
3.3.4 格式化文本檔案的存儲/讀取（fprintf/fscanf）
3.3.5 二進制數據檔案的存儲/讀取（fwrite/fread）
3.3.6 數據檔案行存儲/讀取（fgetl/fgets）
3.4 MATLAB檔案操作
3.5 MATLAB程式最佳化
3.5.1 效率最佳化（時間最佳化）
3.5.2 記憶體最佳化（空間最佳化）
3.5.3 編程注意事項
3.5.4 幾個常用數學方法的算法程式
3.6 程式調試
3.6.1 程式調試命令
3.6.2 程式剖析
3.7 本章小結
第4章 人工神經網路概述
4.1 人工神經網路
4.1.1 人工神經網路的發展
4.1.2 人工神經網路研究內容
4.1.3 人工神經網路研究方向
4.1.4 人工神經網路發展趨勢
4.2 神經元
4.2.1 神經元細胞
4.2.2 MP模型
4.2.3 一般神經元模型
4.3 神經網路的結構及學習
4.3.1 神經網路結構
4.3.2 神經網路學習
4.4 MATLAB神經網路工具箱
4.4.1 神經網路工具箱函式
4.4.2 神經網路工具箱的使用
4.5 本章小結
第5章 感知器
5.1 感知器原理
5.1.1 感知器模型
5.1.2 感知器初始化
5.1.3 感知器學習規則
5.1.4 感知器訓練
5.2 感知器的局限性
5.3 感知器工具箱的函式
5.4 感知器的MATLAB仿真程式設計
5.4.1 單層感知器MATLAB仿真程式設計
5.4.2 多層感知器MATLAB仿真程式設計
5.5 本章小結
第6章 線性神經網路
6.1 線性神經網路原理
6.1.1 線性神經網路模型
6.1.2 線性神經網路初始化
6.1.3 線性神經網路學習規則
6.1.4 線性神經網路的訓練
6.2 線性神經網路工具箱函式
6.3 線性神經網路的MATLAB仿真程式設計
6.3.1 線性神經網路設計的基本方法
6.3.2 線性神經網路的設計
6.4 本章小結
第7章 BP神經網路
7.1 BP神經網路原理
7.1.1 BP神經網路模型
7.1.2 BP神經網路算法
7.1.3 BP神經網路的訓練
7.1.4 BP神經網路功能
7.2 網路的設計
7.2.1 網路的層數
7.2.2 隱含層的神經元數
7.2.3 初始權值的選取
7.2.4 學習速率
7.3 BP神經網路工具箱函式
7.4 BP神經網路的工程套用
7.4.1 BP網路在函式逼近中的套用
7.4.2 nntool神經網路工具箱的套用
7.4.3 BP神經網路在語音特徵信號分類中的套用
7.4.4 BP神經網路的非線性函式擬合套用
7.5 本章小結
第8章 RBF神經網路
8.1 RBF網路模型
8.1.1 RBF神經網路模型
8.1.2 RBF網路的工作原理
8.1.3 RBF神經網路的具體實現
8.2 RBF神經網路的學習算法
8.3 RBF網路工具箱函式
8.3.1 RBF工具箱函式
8.3.2 轉換函式
8.3.3 傳遞函式
8.4 基於RBF網路的非線性濾波
8.4.1 非線性濾波
8.4.2 RBF神經網路用於非線性濾波
8.5 RBF網路MATLAB套用實例
8.6 本章小結
第9章 反饋型神經網路
9.1 反饋型神經網路的基本概念
9.2 Hopfield網路模型
9.2.1 Hopfield網路模型
9.2.2 狀態軌跡
9.2.3 狀態軌跡發散
9.3 Hopfield網路工具箱函式
9.3.1 Hopfield網路創建函式
9.3.2 Hopfield網路傳遞函式
9.4 離散型Hopfield網路
9.4.1 DHNN模型結構
9.4.2 聯想記憶
9.4.3 DHNN的海布（Hebb）學習規則
9.4.4 DHNN權值設計的其他方法
9.5 連續型Hopfield網路
9.6 Elman網路
9.6.1 Elman網路結構
9.6.2 Elman網路創建函式
9.6.3 Elman網路的工程套用
9.7 本章小結
第10章 競爭型神經網路
10.1 自組織型競爭神經網路
10.1.1 幾種聯想學習規則
10.1.2 網路結構
10.1.3 自組織神經網路的原理
10.1.4 競爭學習規則
10.1.5 競爭網路的訓練過程
10.2 自組織特徵映射神經網路
10.2.1 自組織特徵映射神經網路拓撲結構
10.2.2 SOM權值調整域
10.2.3 SOM網路運行原理
10.2.4 網路的訓練過程
10.3 自適應共振理論神經網路
10.3.1 自適應共振理論神經網路概述
10.3.2 ART網路的結構及特點
10.4 學習向量量化神經網路
10.4.1 LVQ神經網路結構
10.4.2 LVQ神經網路算法
10.5 競爭型神經網路工具箱函式
10.6 競爭型神經網路的套用
10.7 本章小結
第11章 神經網路的Simulink套用
11.1 基於Simulink的神經網路模組
11.1.1 神經網路模組
11.1.2 模組的生成
11.2 基於Simulink的神經網路控制系統
11.2.1 神經網路模型預測控制
11.2.2 反饋線性化控制
11.2.3 模型參考控制
11.3 本章小結
第12章 神經網路GUI
12.1 GUI簡介
12.1.1 GUI設計工具
12.1.2 啟動GUIDE
12.1.3 添加控制項組件
12.1.4 設定控制項組件的屬性
12.1.5 編寫相應的程式代碼
12.1.6 GUIDE創建GUI的注意事項
12.1.7 定製標準選單
12.2 神經網路GUI
12.2.1 常規神經網路GUI
12.2.2 神經網路擬合GUI
12.2.3 神經網路模式識別GUI
12.2.4 神經網路聚類GUI
12.3 GUI數據操作
12.3.1 從Workspace導入數據到GUI
12.3.2 從GUI中導出數據到Workspace
12.3.3 數據的存儲和讀取
12.3.4 數據的刪除
12.4 本章小結
第13章 自定義神經網路及函式
13.1 自定義神經網路
13.1.1 網路的創建
13.1.2 網路的初始化、訓練和仿真
13.2 自定義函式
13.2.1 初始化函式
13.2.2 學習函式
13.2.3 仿真函式
13.3 本章小結
第14章 隨機神經網路
14.1 隨機神經網路的基本思想
14.2 模擬退火算法
14.2.1 模擬退火算法的原理
14.2.2 模擬退火算法用於組合最佳化問題
14.2.3 退火算法的參數控制
14.3 Boltzmann機
14.3.1 Boltzmann機的網路結構
14.3.2 Boltzmann機的工作原理
14.3.3 Boltzmann機的運行步驟
14.3.4 Boltzmann機的學習規則
14.3.5 Boltzmann機的改進
14.4 隨機神經網路的套用
14.5 本章小結
第15章 神經網路基礎運用
15.1 感知器神經網路的套用
15.2 線性神經網路的套用
15.3 BP神經網路的套用
15.4 RBF神經網路的套用
15.5 本章小結
第16章 神經網路綜合運用
16.1 BP神經網路的套用
16.1.1 數據擬合
16.1.2 數據預測
16.1.3 函式逼近
16.2 PID神經網路控制
16.3 遺傳算法最佳化神經網路
16.4 模糊神經網路控制
16.5 機率神經網路分類預測
16.6 本章小結
附錄
參考文獻
1.1 MATLAB的發展
1.2 MATLAB的特點及套用領域
1.3 MATLAB R2013a的安裝
1.4 MATLAB R2013a的工作環境
1.4.1 操作界面簡介
1.4.2 Workspace（命令視窗）
1.4.3 Command History（歷史命令視窗）
1.4.4 輸入變數
1.4.5 路徑管理
1.4.6 搜尋路徑
1.4.7 Workspace（工作空間）
1.4.8 變數的編輯命令
1.4.9 存取數據檔案
1.5 MATLAB R2013a的幫助系統
1.5.1 純文本幫助
1.5.2 演示幫助
1.5.3 幫助導航
1.5.4 幫助檔案目錄窗
1.5.5 幫助檔案索引窗
1.6 本章小結
第2章 MATLAB基礎
2.1 基本概念
2.1.1 MATLAB數據類型概述
2.1.2 常量與變數
2.1.3 標量、向量、矩陣與數組
2.1.4 運算符
2.1.5 命令、函式、表達式和語句
2.2 MATLAB中的數組
2.2.1 數組的保存和裝載
2.2.2 數組索引和定址
2.2.3 數組的擴展和裁剪
2.2.4 數組形狀的改變
2.2.5 數組運算
2.2.6 數組的查找
2.2.7 數組的排序
2.2.8 高維數組的降維操作
2.3 曲線擬合
2.3.1 多項式擬合
2.3.2 加權最小方差（WLS）擬合原理及實例
2.4 M文
2.4.1 M檔案概述
2.4.2 局部變數與全局變數
2.4.3 M檔案的編輯與運行
2.4.4 腳本檔案
2.4.5 函式檔案
2.4.6 函式調用
2.4.7 M檔案調試工具
2.4.8 M檔案分析工具
2.5 本章小結
第3章 MATLAB程式設計
3.1 MATLAB的程式結構
3.1.1 if分支結構
3.1.2 switch分支結構
3.1.3 while循環結構
3.1.4 for循環結
3.2 MATLAB的控制語句
3.2.1 continue命令
3.2.2 break命令
3.2.3 return命令
3.2.4 input命令
3.2.5 keyboard命令
3.2.6 error和warning命令
3.3 數據的輸入輸出
3.3.1 鍵盤輸入語句（input）
3.3.2 螢幕輸出語句（disp）
3.3.3 M數據檔案的存儲/載入（save/load）
3.3.4 格式化文本檔案的存儲/讀取（fprintf/fscanf）
3.3.5 二進制數據檔案的存儲/讀取（fwrite/fread）
3.3.6 數據檔案行存儲/讀取（fgetl/fgets）
3.4 MATLAB檔案操作
3.5 MATLAB程式最佳化
3.5.1 效率最佳化（時間最佳化）
3.5.2 記憶體最佳化（空間最佳化）
3.5.3 編程注意事項
3.5.4 幾個常用數學方法的算法程式
3.6 程式調試
3.6.1 程式調試命令
3.6.2 程式剖析
3.7 本章小結
第4章 人工神經網路概述
4.1 人工神經網路
4.1.1 人工神經網路的發展
4.1.2 人工神經網路研究內容
4.1.3 人工神經網路研究方向
4.1.4 人工神經網路發展趨勢
4.2 神經元
4.2.1 神經元細胞
4.2.2 MP模型
4.2.3 一般神經元模型
4.3 神經網路的結構及學習
4.3.1 神經網路結構
4.3.2 神經網路學習
4.4 MATLAB神經網路工具箱
4.4.1 神經網路工具箱函式
4.4.2 神經網路工具箱的使用
4.5 本章小結
第5章 感知器
5.1 感知器原理
5.1.1 感知器模型
5.1.2 感知器初始化
5.1.3 感知器學習規則
5.1.4 感知器訓練
5.2 感知器的局限性
5.3 感知器工具箱的函式
5.4 感知器的MATLAB仿真程式設計
5.4.1 單層感知器MATLAB仿真程式設計
5.4.2 多層感知器MATLAB仿真程式設計
5.5 本章小結
第6章 線性神經網路
6.1 線性神經網路原理
6.1.1 線性神經網路模型
6.1.2 線性神經網路初始化
6.1.3 線性神經網路學習規則
6.1.4 線性神經網路的訓練
6.2 線性神經網路工具箱函式
6.3 線性神經網路的MATLAB仿真程式設計
6.3.1 線性神經網路設計的基本方法
6.3.2 線性神經網路的設計
6.4 本章小結
第7章 BP神經網路
7.1 BP神經網路原理
7.1.1 BP神經網路模型
7.1.2 BP神經網路算法
7.1.3 BP神經網路的訓練
7.1.4 BP神經網路功能
7.2 網路的設計
7.2.1 網路的層數
7.2.2 隱含層的神經元數
7.2.3 初始權值的選取
7.2.4 學習速率
7.3 BP神經網路工具箱函式
7.4 BP神經網路的工程套用
7.4.1 BP網路在函式逼近中的套用
7.4.2 nntool神經網路工具箱的套用
7.4.3 BP神經網路在語音特徵信號分類中的套用
7.4.4 BP神經網路的非線性函式擬合套用
7.5 本章小結
第8章 RBF神經網路
8.1 RBF網路模型
8.1.1 RBF神經網路模型
8.1.2 RBF網路的工作原理
8.1.3 RBF神經網路的具體實現
8.2 RBF神經網路的學習算法
8.3 RBF網路工具箱函式
8.3.1 RBF工具箱函式
8.3.2 轉換函式
8.3.3 傳遞函式
8.4 基於RBF網路的非線性濾波
8.4.1 非線性濾波
8.4.2 RBF神經網路用於非線性濾波
8.5 RBF網路MATLAB套用實例
8.6 本章小結
第9章 反饋型神經網路
9.1 反饋型神經網路的基本概念
9.2 Hopfield網路模型
9.2.1 Hopfield網路模型
9.2.2 狀態軌跡
9.2.3 狀態軌跡發散
9.3 Hopfield網路工具箱函式
9.3.1 Hopfield網路創建函式
9.3.2 Hopfield網路傳遞函式
9.4 離散型Hopfield網路
9.4.1 DHNN模型結構
9.4.2 聯想記憶
9.4.3 DHNN的海布（Hebb）學習規則
9.4.4 DHNN權值設計的其他方法
9.5 連續型Hopfield網路
9.6 Elman網路
9.6.1 Elman網路結構
9.6.2 Elman網路創建函式
9.6.3 Elman網路的工程套用
9.7 本章小結
第10章 競爭型神經網路
10.1 自組織型競爭神經網路
10.1.1 幾種聯想學習規則
10.1.2 網路結構
10.1.3 自組織神經網路的原理
10.1.4 競爭學習規則
10.1.5 競爭網路的訓練過程
10.2 自組織特徵映射神經網路
10.2.1 自組織特徵映射神經網路拓撲結構
10.2.2 SOM權值調整域
10.2.3 SOM網路運行原理
10.2.4 網路的訓練過程
10.3 自適應共振理論神經網路
10.3.1 自適應共振理論神經網路概述
10.3.2 ART網路的結構及特點
10.4 學習向量量化神經網路
10.4.1 LVQ神經網路結構
10.4.2 LVQ神經網路算法
10.5 競爭型神經網路工具箱函式
10.6 競爭型神經網路的套用
10.7 本章小結
第11章 神經網路的Simulink套用
11.1 基於Simulink的神經網路模組
11.1.1 神經網路模組
11.1.2 模組的生成
11.2 基於Simulink的神經網路控制系統
11.2.1 神經網路模型預測控制
11.2.2 反饋線性化控制
11.2.3 模型參考控制
11.3 本章小結
第12章 神經網路GUI
12.1 GUI簡介
12.1.1 GUI設計工具
12.1.2 啟動GUIDE
12.1.3 添加控制項組件
12.1.4 設定控制項組件的屬性
12.1.5 編寫相應的程式代碼
12.1.6 GUIDE創建GUI的注意事項
12.1.7 定製標準選單
12.2 神經網路GUI
12.2.1 常規神經網路GUI
12.2.2 神經網路擬合GUI
12.2.3 神經網路模式識別GUI
12.2.4 神經網路聚類GUI
12.3 GUI數據操作
12.3.1 從Workspace導入數據到GUI
12.3.2 從GUI中導出數據到Workspace
12.3.3 數據的存儲和讀取
12.3.4 數據的刪除
12.4 本章小結
第13章 自定義神經網路及函式
13.1 自定義神經網路
13.1.1 網路的創建
13.1.2 網路的初始化、訓練和仿真
13.2 自定義函式
13.2.1 初始化函式
13.2.2 學習函式
13.2.3 仿真函式
13.3 本章小結
第14章 隨機神經網路
14.1 隨機神經網路的基本思想
14.2 模擬退火算法
14.2.1 模擬退火算法的原理
14.2.2 模擬退火算法用於組合最佳化問題
14.2.3 退火算法的參數控制
14.3 Boltzmann機
14.3.1 Boltzmann機的網路結構
14.3.2 Boltzmann機的工作原理
14.3.3 Boltzmann機的運行步驟
14.3.4 Boltzmann機的學習規則
14.3.5 Boltzmann機的改進
14.4 隨機神經網路的套用
14.5 本章小結
第15章 神經網路基礎運用
15.1 感知器神經網路的套用
15.2 線性神經網路的套用
15.3 BP神經網路的套用
15.4 RBF神經網路的套用
15.5 本章小結
第16章 神經網路綜合運用
16.1 BP神經網路的套用
16.1.1 數據擬合
16.1.2 數據預測
16.1.3 函式逼近
16.2 PID神經網路控制
16.3 遺傳算法最佳化神經網路
16.4 模糊神經網路控制
16.5 機率神經網路分類預測
16.6 本章小結
附錄
參考文獻
