matlab神经网络与实例精解(配光盘) 人工智能 陈明 新华正版
举报
人工智能 新华书店全新正版书籍 支持7天无理由
-
作者:
陈明
-
出版社:
清华大学出版社
-
ISBN:
9787302307419
-
出版时间:
2013-03
-
版次:
1
-
装帧:
平装
-
开本:
16开
-
页数:
431页
-
字数:
715千字
-
出版时间:
2013-03
-
版次:
1
-
装帧:
平装
-
开本:
16开
-
页数:
431页
-
字数:
715千字
售价
￥
32.05
4.6折
定价
￥69.00
品相
全新品相描述
上书时间2024-02-17
卖家超过10天未登录
手机购买
![]()
微信扫码访问
-
-
商品描述：
-
主编：
matlab中文论坛、matlab技术论坛两大社区鼎力在matlab中文论坛上提供“在线交流，有问必答”的技术支持详解109个典型实例、7个综合案例和50多个神经网络工具箱函数涵盖单层感知器、线神经网络、bp神经网络、径向基网络、自组织神经网络、反馈神经网络、神经网络7种主要的网络类型提供ppt、10小时配套，并附赠24.5小时matlab基础
目录：
篇 入门篇
章 神经网络概述（ ：10分钟）/2
1.1 人工神经网络简介/2
1.2 神经网络的特点及应用/3
1.2.1 神经网络的特点/3
1.2.2 神经网络的应用/4
1.3 人工神经网络的发展历史/5
1.4 神经网络模型/7
1.5 神经网络的学方式/9
第2章 matlab快速入门（ ：48分钟）/10
2.1 matlab功能及历史/10
2.1.1 matlab的功能和特点/10
2.1.2 matlab发展历史/12
2.2 matlab r2011b集成开发环境/13
2.2.1 matlab的安装/13
2.2.2 matlab集成开发环境/19
2.2.3 搜索路径设定/21
2.3 matlab语言基础/24
2.3.1 标识符与数组/24
2.3.2 数据类型/28
2.3.3 运算符/34
2.3.4 流程控制/37
2.3.5 m文件/41
第3章 matlab函数与神经网络工具箱（ ：62分钟）/45
3.1 matlab常用命令/45
3.2 矩阵生成和基本运算/52
3.2.1 zeros 生成全零矩阵/52
3.2.2 ones 生成全1矩阵/53
3.2.3 magic 生成魔方矩阵/53
3.2.4 eye 生成单位矩阵/54
3.2.5 rand 生成均匀分布数/54
3.2.6 randn 生成正态分布数/55
3.2.7 linspace 产生线等分向量/56
3.2.8 logspace 产生对数等分向量/57
3.2.9 randperm 生成整数排列/58
3.2.10 randi 生成整数数/59
3.2.11 range 向量的优选/小值之差/60
3.2.12 minmax求优选/小值/60
3.2.13 min/max/mean求优选/小值/61
3.2.14 size/length
umel
dims 矩阵维度相关/62
3.2.15 sum/prod 求和或积/64
3.2.16 var/std 求方差与标准差/66
3.2.17 diag 生成对角矩阵/68
3.2.18 repmat 矩阵复制和铺/69
3.2.19 reshape 矩阵变维/70
3.2.20 inv/pinv 矩阵求逆/求伪逆/71
3.2.21 rank/det 求矩阵的秩/行列式/73
3.2.22 eig 矩阵的特征值分解/73
3.2.23 svd 矩阵的奇异值分解/74
3.2.24 trace 求矩阵的迹/75
3.2.25 norm 求向量或矩阵的范数/76
3.3 数学函数/78
3.3.1 abs 求值/78
3.3.2 exp/log 指数函数/对数函数/79
3.3.3 log10/log2 常用对数/以2为底的对数/79
3.3.4 fix/round/ceil/floor 取整函数/81
3.3.5 mod/rem 取模数/余数/81
3.4 图形相关函数/82
3.4.1 plot 绘制二维图像/82
3.4.2 坐标轴设置函数/83
3.4.3 subplot 同一窗分区绘图/88
3.4.4 figure/hold 创建窗/图形保持/88
3.4.5 semilogx/semilogy 单对数坐标图/89
3.4.6 contour/ clabel曲面等高线/等高线标签/90
3.4.7 gcf/gca/gco 返回当前图形/坐标/对象句柄/91
3.4.8 mesh 绘制三维网格图/92
3.5 神经网络工具箱/92
3.5.1 工具箱函数基本介绍/93
3.5.2 神经网络对象与属/95
第2篇 篇
第4章 单层感知器（ ：27分钟）/104
4.1 单层感知器的结构/104
4.2 单层感知器的学算/105
4.3 感知器的局限/108
4.4 单层感知器相关函数详解/108
4.4.1 newp――创建一个感知器/108
4.4.2 train――训练感知器网络/111
4.4.3 sim――对训练好的网络进行/113
4.4.4 hardlim/hardlims――感知器传输函数/114
4.4.5 init――神经网络初始化函数/115
4.4.6 adapt――神经网络的自适应/117
4.4.7 mae――均保证误差能函数/119
4.5 单层感知器应用实例――坐标点的二类模式分类/120
4.5.1 手算/120
4.5.2 使用工具箱函数/127
第5章 线神经网络（ ：41分钟）/129
5.1 线神经网络的结构/129
5.2 lms学算/130
5.3 lms算中学率的选择/132
5.3.1 确保网络稳定收敛的学率/132
5.3.2 学率逐渐下降/133
5.4 线神经网络与感知器的对比/134
5.4.1 网络传输函数/134
5.4.2 学算/134
5.5 线神经网络相关函数详解/134
5.5.1 newlind――设计一个线层/135
5.5.2 newlin――构造一个线层/136
5.5.3 purelin――线传输函数/138
5.5.4 learnwh――lms学函数/138
5.5.5 maxlinlr――计算优选学率/141
5.5.6 mse――均方误差能函数/142
5.5.7 linearlayer――构造线层的函数/143
5.6 线神经网络应用实例/144
5.6.1 实现二值逻辑――与/144
5.6.2 实现二值逻辑――异或/151
第6章 bp神经网络（ ：49分钟）/156
6.1 bp神经网络的结构/156
6.2 bp网络的学算/158
6.2.1 速下降/158
6.2.2 速下降bp/159
6.2.3 串行和批量训练方式/162
6.2.4 速下降bp的改进/163
6.3 设计bp网络的方/164
6.4 bp神经网络的局限/166
6.5 bp网络相关函数详解/166
6.5.1 logsig――log-sigmoid传输函数/167
6.5.2 tansig――tan-sigmoid传输函数/168
6.5.3 newff――创建一个bp网络/169
6.5.4 feedforward――创建一个bp网络/172
6.5.5 newcf――级联的前向神经网络/173
6.5.6 cascadeforward――新版级联前向网络/174
6.5.7 newfftd――前馈输入延迟的bp网络/175
6.5.8 dlogsig/dtansig――sigmoid函数的导数/176
6.6 bp神经网络应用实例/177
6.6.1 基于bp网络的别识别/177
6.6.2 实现二值逻辑――异或/191
第7章 径向基函数网络（ ：62分钟）/196
7.1 径向基神经网络的两种结构/196
7.1.1 径向基函数/196
7.1.2 正则化网络/198
7.1.3 广义网络/199
7.2 径向基神经网络的学算/200
7.2.1 选取固定中心/200
7.2.2 自组织选取中心/201
7.2.3 有监督选取中心/202
7.2.4 正交小二乘/203
7.3 径向基神经网络与多层感知器的比较/204
7.4 概率神经网络/205
7.4.1 模式分类的贝叶斯决策理论/205
7.4.2 概率神经网络的结构/206
7.4.3 概率神经网络的优点/207
7.5 广义回归神经网络/208
7.5.1 广义回归神经网络的理论基础/208
7.5.2 广义回归神经网络的结构/209
7.6 径向基神经网络相关函数详解/210
7.6.1 newrb――设计一个径向基函数网络/210
7.6.2 newrbe――设计一个严格的径向基网络/212
7.6.3 radbas――径向基函数/213
7.6.4 dist――欧几里得距离权函数/215
7.6.5 prod――乘积网络输入函数/215
7.6.6 dotprod――内积权函数/216
7.6.7 sum――求和网络输入函数/217
7.6.8 newpnn――设计概率神经网络/217
7.6.9 pet――竞争传输函数/218
7.6.10 ind2vec/vec2ind――向量-下标转换函数/220
7.6.11 newgrnn――设计广义回归神经网络/220
7.6.12 normprod――归一化点积权函数/221
7.7 径向基网络应用实例/222
7.7.1 异或问题/222
7.7.2 rbf网络曲线拟合/227
7.7.3 grnn网络曲线拟合/234
7.7.4 pnn网络用于坐标点分类/237
第8章 自组织竞争神经网络（ ：52分钟）/243
8.1 竞争神经网络/243
8.2 竞争神经网络的学算/243
8.2.1 kohonen学规则/244
8.2.2 阈值学规则/245
8.3 自组织特征映网络/246
8.4 som的学算/247
8.5 学矢量量化网络/249
8.5.1 lvq1学规则/250
8.5.2 lvq2规则/250
8.6 自组织竞争网络相关函数详解/251
8.6.1 gridtop――网格拓扑函数/251
8.6.2 hextop――六边形拓扑函数/252
8.6.3 randtop――拓扑结构函数/253
8.6.4 tritop――三角拓扑函数/253
8.6.5 dist、boxdist、linkdist、mandist――距离函数/255
8.6.6 newc――竞争网络/258
8.6.7 petlayer――新版竞争网络函数/260
8.6.8 newsom――自组织特征映网络/261
8.6.9 selforgmap――新版自组织映网络函数/262
8.6.10 newlvq――学矢量量化网络/265
8.6.11 lvq――新版学矢量量化网络函数/267
8.6.12 mapminmax――归一化函数/268
8.7 自组织竞争神经网络应用实例/269
8.7.1 坐标点的分类（竞争神经网络）/269
8.7.2 坐标点的分类（自组织映网络）/275
第9章 反馈神经网络（ ：51分钟）/278
9.1 离散hopfield神经网络/278
9.1.1 hopfield网络的结构/278
9.1.2 hopfield网络的稳定/279
9.1.3 设计离散hopfield网络/282
9.2 连续hopfield神经网络/284
9.3 elman神经网络/285
9.4 盒中脑模型/286
9.5 反馈神经网络相关函数详解/288
9.5.1 newhop――生成一个离散hopfield网络/289
9.5.2 satlin――饱和线传递函数/290
9.5.3 satlins――对称饱和线传递函数/291
9.5.4 nnt2hop――更新hopfield网络/291
9.5.5 newelm――创建elman反馈网络/292
9.5.6 elman――创建elman反馈网络（新版本）/294
9.6 反馈神经网络应用实例/296
9.6.1 二维面上的联想记忆网络/296
9.6.2 elman股价预测/303
0章 神经网络（ ：40分钟）/308
10.1 模拟退火算/308
10.1.1 模拟退火算的引出/308
10.1.2 退火算的参数控制/310
10.2 boltzmann机/311
10.2.1 boltzmann机基本/312
10.2.2 boltzmann机的学规则/314
10.2.3 boltzmann机的运行步骤/316
10.3 sigmoid置信度网络/316
10.4 matlab模拟退火算工具/317
10.4.1 matlab优化工具箱/318
10.4.2 模拟退火算相关函数/322
10.5 模拟退火算求解tsp问题/327
1章 用gui设计神经网络（ ：56分钟）/334
11.1 神经网络工具（nntool）/334
11.1.1 nntool界面介绍/334
11.1.2 使用nntool建立神经网络/337
11.2 神经网络分类/聚类工具（nctool）/340
11.3 神经网络拟合工具（nftool）/348
11.4 神经网络模式识别工具（nprtool）/353
11.5 神经网络时间序列工具（ntstool）/359
11.6 nntraintool与view/365
第3篇 实战篇
2章 simulink/368
12.1 simulink中的神经网络模块/368
12.2 用gensim生成模块/371
12.2.1 相关函数介绍/371
12.2.2 gensim使用实例/374
3章 神经网络应用实例（ ：96分钟）/377
13.1 bp神经网络实现图像压缩/377
13.1.1 问题背景/377
13.1.2 神经网络建模/378
13.1.3 神经网络压缩的实现/380
13.2 elman网络预测上证股市开盘价/387
13.2.1 问题背景/387
13.2.2 神经网络建模/387
13.2.3 elman网络预测股价的实现/388
13.3 径向基网络预测地下水位/395
13.3.1 问题背景/395
13.3.2 神经网络建模/395
13.3.3 径向基网络预测的实现/397
13.4 基于bp网络的个人信贷信用评估/402
13.4.1 问题背景/402
13.4.2 神经网络建模/402
13.4.3 个人信贷信用评估的实现/404
13.5 基于概率神经网络的手写体数字识别/411
13.5.1 问题背景/411
13.5.2 神经网络建模/412
13.5.3 手写体数字识别的实现/414
13.6 基于概率神经网络的柴油机故障诊断/420
13.6.1 问题背景/420
13.6.2 神经网络建模/421
13.6.3 柴油机故障诊断的实现/422
13.7 基于自组织特征映网络的亚洲足球水聚类/425
13.7.1 问题背景/426
13.7.2 神经网络建模/426
13.7.3 足球水聚类的实现/428
内容简介：
本书结合科研和高校的相关课程，全面、系统、详细地介绍了matlab神经网络的及应用，并给出了大量典型的实例供读者参。本书附带1张光盘，收录了本书重点内容的配套多媒体及书中涉及的实例源文件。这些资料可以大大方便读者高效、直观地学本书内容。本书首先简要介绍了matlab软件的使用和常用的内置函数，随后分门别类地介绍了bp网络、径向基网络、自组织网络、反馈网络等不同类型的神经网络，并在每章的后给出了实例。在全书的后，又以专门的一章收集了matlab神经网络在图像、、金融、体育等不同领域的具体应用，具有很高的理论和使用价值。全书内容详实、重点突出，从三个层次循序渐进地利用实例讲解网络和使用方，降低了学门槛，使看似神秘高深的神经网络算更为简单易学。本书适合学神经网络的人员使用matlab方便地实现神经网络以解决实际问题，也适合神经网络或机器学算的研究者及matlab学者阅读。另外，本书可以作为高校相关课程的教材和参书。
作者简介：
陈明于天津大学信息与通信工程专业，获硕士。本科期间参加过电子设计大赛信息安全专题邀请赛，获得。阶段在天津大学信息学院图像中心学，研究方向为图像处理、模式识别、编解码。由于学和科研的需要开始接触matlab，用matlab解决过图像处理、机器学等领域的问题。对遗传算和神经网络工具箱尤为熟悉，有丰富的matlab编程经验。编写过matlab函数效率功能速查手册一书。
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
