MATLAB神經網絡應用設計（第2版）

前言
第1章 MATLAB及神經網絡的概述
1.1 MATLAB簡介
1.1.1 MATLAB的發(fā)展史
1.1.2 MATLAB的主要功能
1.1.3 MATLAB的語言特點
1.1.4 MATLAB R2011a新功能
1.2 MATLAB工作環(huán)境
1.2.1 命令窗口
1.2.2 歷史窗口
1.2.3 工作空間
1.2.4 數組編輯窗口
1.2.5 當前文件夾
1.2.6 搜索路徑
1.3 幫助系統(tǒng)
1.3.1 文本格式幫助文件
1.3.2 PDF格式幫助文件
1.3.3 幫助交互界面
1.4 MATLAB的通用命令
1.5 MATLAB的數值
1.6 MATLAB的變量
1.7 MATLAB矩陣處理
1.7.1 矩陣的操作
1.7.2 矩陣與數組區(qū)別
1.8 M文件
1.8.1 腳本文件
1.8.2 函數文件
1.8.3 M文件的組成
1.9 MATLAB的流程控制結構
1.9.1 分支結構
1.9.2 循環(huán)結構
1.9.3 continue結構
1.9.4 break結構
1.10 神經網絡的基本概念
1.10.1 生物神經元的結構與功能特點
1.10.2 人工神經元模型
1.10.3 神經網絡的結構及工作方式
1.10.4 神經元的數學模型
1.10.5 神經元的網絡模型
1.10.6 神經網絡的學習
1.11 神經網絡的特點
1.12 神經網絡的發(fā)展
1.13 神經網絡的研究內容
1.14 神經網絡的應用
第2章 神經網絡工具箱函數
2.1 感知器神經網絡工具箱函數
2.1.1 創(chuàng)建函數
2.1.2 初始化函數
2.1.3 顯示函數
2.1.4 仿真函數
2.1.5 性能函數
2.1.6 訓練函數
2.1.7 學習函數
2.1.8 傳遞函數
2.2 線性神經網絡工具箱函數
2.2.1 創(chuàng)建函數
2.2.2 學習函數
2.2.3 傳輸函數
2.2.4 權積函數
2.2.5 初始化函數
2.3 BP神經網絡工具箱函數
2.3.1 創(chuàng)建函數
2.3.2 傳遞函數
2.3.3 MATLAB的發(fā)展史學習函數
2.3.4 性能函數
2.3.5 訓練函數
2.3.6 顯示函數
2.4 徑向基神經網絡工具箱函數
2.4.1 創(chuàng)建函數
2.4.2 變換函數
2.4.3 傳遞函數
2.4.4 距離函數
2.5 自組織神經網絡工具箱函數
2.5.1 創(chuàng)建函數
2.5.2 傳遞函數
2.5.3 距離函數
2.5.4 學習函數
2.5.5 初始化函數
2.5.6 訓練函數
2.5.7 顯示函數
2.5.8 權值函數
2.5.9 結構函數
2.6 Hopfileld神經網絡工具箱函數
2.6.1 傳遞函數
2.6.2 學習函數
2.7 Elman神經網絡的工具箱函數
2.8 向量量化神經網絡工具箱函數
2.8.1 創(chuàng)建函數
2.8.2 顯示函數
第3章 前向型神經網絡
3.1 感知器神經網絡
3.1.1 單層感知器
3.1.2 多層感知器
3.1.3 感知器神經網絡的MATLAB實現
3.2 線性神經網絡
3.2.1 線性神經網絡結構
3.2.2 線性神經網絡學習
3.2.3 線性神經網絡訓練
3.2.4 線性神經網絡的MATLAB實現
3.2.5 線性神經網絡的局限性
3.2.6 線性神經網絡的工程應用
3.3 BP神經網絡
3.3.1 BP神經網絡模型
3.3.2 BP神經網絡算法
3.3.3 BP網絡設計
3.3.4 BP神經網絡局限性
3.3.5 BP神經網絡算法改進
3.3.6 數值優(yōu)化的BP網絡訓練算法
3.3.7 BP神經網絡的工程應用
3.4 徑向基神經網絡
3.4.1 正則化理論及正則化RBF網絡
3.4.2 徑向基神經網絡結構
3.4.3 徑向基神經網絡學習
3.4.4 徑向基神經網絡的工程應用
3.4.5 廣義回歸神經網絡
3.4.6 概率神經網絡
第4章 反饋型神經網絡
4.1 反饋網絡的概念
4.2 Hopfield神經網絡
4.2.1 離散Hopfield網絡（DHNN）
4.2.2 連續(xù)Hopfield神經網絡
4.2.3 聯(lián)想記憶
4.2.4 Hopfield神經網絡的MATLAB實現
4.3 Elman神經網絡
4.3.1 Elman神經網絡結構
4.3.2 Elman神經網絡的訓練
4.3.3 Elman神經網絡MATLAB實現
4.4 Boltzmann機網絡
4.4.1 BM網絡結構
4.4.2 BM網絡的規(guī)則
4.4.3 用BM網絡解TSP
4.4.4 Boltzmann機網絡的MATLAB實現
4.5 雙向聯(lián)想記憶神經網絡
4.5.1 BAM網絡結構與原理
4.5.2 能量函數與穩(wěn)定性分析
4.5.3 BAM網絡的權值設計
4.5.4 BAM網絡的應用
4.6 BSB模型
4.6.1 BSB網絡模型概述
4.6.2 BSB的MATLAB實現
第5章 競爭型神經網絡
5.1 競爭型神經網絡的概念與原理
5.1.1 競爭型神經網絡概念
5.1.2 競爭型神經網絡的原理
5.2 幾種聯(lián)想學習規(guī)則
5.2.1 內星學習規(guī)則
5.2.2 外星學習規(guī)則
5.2.3 科荷倫（Kohonen）學習規(guī)則
5.3 自組織競爭神經網絡模型
5.3.1 自組織競爭網絡結構
5.3.2 自組織競爭網絡學習規(guī)則
5.3.3 網絡訓練
5.3.4 競爭型網絡存在的問題
5.3.5 競爭型網絡的工程應用
5.4 自組織特征映射神經網絡
5.4.1 SOFM網絡的生物學基礎
5.4.2 SOFM網絡的拓撲結構
5.4.3 SOFM網絡學習算法
5.4.4 SOFM網絡的訓練過程
5.4.5 SOFM網絡的MATLAB實現
5.4.6 SOFM網絡在實際工程中的應用
5.5 自適應共振網絡
5.5.1 ART-1網絡
5.5.2 ART-2網絡
5.6 學習向量量化神經網絡
5.6.1 LVQ網絡模型
5.6.2 LVQ網絡學習算法
5.6.3 LVQ網絡學習MATLAB實現
5.7 對向傳播網絡
5.7.1 對向傳播網絡概述
5.7.2 CPN網絡學習及規(guī)則
5.7.3 對向傳播網絡實際應用
第6章 神經網絡的控制系統(tǒng)預測及診斷
6.1 神經網絡的預測控制
6.1.1 系統(tǒng)辨識
6.1.2 自校正控制
6.1.3 自適應控制
6.1.4 預測控制
6.1.5 神經網絡的預測控制MATLAB實現
6.2 NARMA-L2（反饋線性化）控制
6.2.1 NARMA-L2原理
6.2.2 NARMA-L2控制MATLAB實現
6.2.3 NARMA-L2控制器實例分析
6.3 地震預報的MATLAB實現
6.3.1 概述
6.3.2 地震預報的MATLAB實例分析
6.4 交通運輸能力預測的MATLAB實現
6.4.1 概述
6.4.2 交通運輸能力預測的MATLAB實例分析
6.5 農作物蟲情預測的MATLAB實現
6.5.1 概述
6.5.2 農作物蟲情預測MATLAB實例分析
6.6 基于概率神經網絡的故障診斷
6.6.1 概述
6.6.2 基于PNN的故障診斷實例分析
6.7 基于BP網絡和Elman網絡的齒輪箱故障診斷
6.7.1 概述
6.7.2 基于 BP網絡的齒輪箱故障診斷實例分析
6.7.3 Elman網絡的齒輪箱故障診斷實例分析
6.8 基于RBF網絡的船用柴油機故障診斷
6.8.1 概述
6.8.2 基于RBF網絡的船用柴油機故障診斷實例分析
第7章 神經網絡圖形用戶接口
7.1 圖形用戶界面介紹
7.2 網絡設計
7.2.1 網絡輸入/輸出設置
7.2.2 創(chuàng)建網絡
7.3 網絡的訓練與仿真
7.3.1 網絡訓練
7.3.2 網絡仿真
7.4 GUI數據處理
7.4.1 GUI數據導出工作空間
7.4.2 工作空間到GUI數據導入
7.4.3 GUI數據清除
7.4.4 數據的存取
7.5 神經網絡擬合工具箱的GUI
第8章 神經網絡的Simulink
8.1 Simulink交互式仿真集成環(huán)境
8.1.1 Simulink模型的創(chuàng)建
8.1.2 Simulink建模操作
8.1.3 Simulink參數設置
8.1.4 簡單的Simulink例子
8.2 Simulink神經網絡模塊
8.2.1 傳遞函數模塊庫
8.2.2 網絡輸入模塊庫
8.2.3 權值設置模塊庫
8.2.4 處理模塊庫
8.2.5 控制系統(tǒng)模塊庫
8.3 Simulink神經網絡設計
8.3.1 模型構建
8.3.2 模型仿真
8.3.3 修改信號源
第9章 自定義神經網絡
9.1 自定義網絡
9.1.1 創(chuàng)建自定義網絡
9.1.2 網絡訓練
9.2 自定義函數
9.2.1 初始化函數
9.2.2 學習函數
9.2.3 仿真函數
9.2.4 自組織映射函數
參考文獻