成功加入购物车
有光盘
朱凯 、 王正林 著 / 电子工业出版社 / 2010-01 / 平装
售价 ¥ 128.00
品相 九五品
优惠 满包邮
延迟发货说明
上书时间2018-11-23
卖家超过10天未登录
精通MATLAB神经网络
《精通MATLAB神经网络》由MATLAB入门篇、神经网络提高篇和神经网络综合实战篇3篇组成。MATLAB入门篇主要介绍MATLAB软件、基本运算、图形绘制、程序设计和Simulink仿真;神经网络提高篇讲述神经网络的主要内容,包括神经网络工具箱和GUI工具,以及感知器、线性、BP、径向基、自组织、反馈等各种不同的神经网络,讲述各种神经网络的性能分析与直观的图形结果,使读者更加透彻地了解各种神经网络的性能及其优缺点,从而达到理解和应用神经网络的目的。
第一篇MATLAB入门篇第1章MATLAB概述21.1MATLAB的产生与发展21.2MATLAB的优势与特点21.3MATLAB系统的构成41.4MATLAB桌面操作环境51.4.1MATLAB启动和退出51.4.2MATLAB主菜单及功能61.4.3MATLAB命令窗口91.4.4MATLAB工作空间111.4.5M文件编辑/调试器131.4.6图形窗口141.4.7MATLAB文件管理161.4.8MATLAB帮助161.5MATLAB的工具箱171.6小结18第2章MATLAB计算基础192.1MATLAB数值类型192.2关系运算和逻辑运算212.3矩阵及其运算222.3.1矩阵的创建222.3.2矩阵的运算242.4复数及其运算252.4.1复数表示252.4.2复数绘图272.4.3复数操作函数282.5符号运算282.5.1符号运算概述282.5.2常用的符号运算302.6小结33第3章MATLAB绘图入门343.1MATLAB中绘图的基本步骤343.2在工作空间直接绘图353.3利用绘图函数绘图363.3.1二维图形363.3.2三维图形373.4图形的修饰413.5小结44第4章MATLAB编程入门454.1MATLAB编程概述454.2MATLAB程序设计原则464.3M文件474.4MATLAB程序流程控制494.5MATLAB中的函数及调用524.5.1函数类型524.5.2函数参数传递554.6函数句柄604.7MATLAB程序调试614.7.1常见程序错误614.7.2调试方法644.7.3调试工具644.7.4M文件分析工具674.7.5Profiler分析工具694.8MATLAB程序设计技巧704.8.1嵌套计算704.8.2循环计算724.8.3使用例外处理机制724.8.4使用全局变量744.8.5通过varargin传递参数764.9小结77第5章Simulink仿真入门785.1Simulink仿真概述785.1.1Simulink的启动与退出785.1.2Simulink模块库795.2Simulink仿真模型及仿真过程845.3Simulink模块的处理865.3.1Simulink模块参数设置865.3.2Simulink模块基本操作885.3.3Simulink模块连接905.4Simulink仿真设置925.4.1仿真器参数设置925.4.2工作空间数据导入/导出5.4.2设置945.5Simulink仿真举例955.6小结98第二篇神经网络提高篇第6章MATLAB神经网络工具箱概述1006.1神经网络简介1006.2神经网络模型及训练1016.2.1生物神经元模型1016.2.2神经网络模型1026.2.3神经网络的训练1046.2.4神经网络的分类1056.3神经网络的应用1066.4神经网络工具箱简介1086.4.1工具箱的功能1086.4.2工具箱的新特性1086.4.3MATLAB中的神经网络6.4.3数据结构1106.4.4工具箱函数简介1126.5小结113第7章MATLAB神经网络GUI工具1147.1基础GUI工具nntool1147.1.1网络创建1147.1.2网络训练1197.1.3网络仿真1217.1.4图形界面数据操作1227.2数据拟合GUI工具nftool1277.3模式识别GUI工具nprtool1317.4数据聚类GUI工具nctool1367.5小结139第8章感知器神经网络1408.1感知器神经网络结构1408.1.1感知器神经元模型1408.1.2单层感知器神经网络8.1.2结构1418.2感知器学习规则1428.2.1感知器网络学习算法1438.2.2标准化感知器网络8.2.2学习算法1448.3感知器网络的MATLAB实现1448.3.1感知器网络的生成1448.3.2感知器网络的仿真1468.3.3感知器网络的初始化1478.3.4感知器网络的学习和8.3.4训练1488.4感知器网络的局限性1528.4.1单层感知器网络的8.4.1局限性1528.4.2多层感知器神经网络1528.5感知器神经网络设计实例1538.5.1输入向量的二类划分1538.5.2奇异样本输入向量的8.5.2训练1558.5.3标准化感知器学习规则8.5.3实例1588.5.4线性不可分样本问题1598.6小结161第9章线性神经网络1629.1线性神经网络结构1629.1.1线性神经元模型1629.1.2线性神经网络结构1639.2线性滤波器1649.3线性神经网络学习规则1649.3.1均方误差1659.3.2LMS算法1659.4线性神经网络的MATLAB9.4实现1669.4.1线性神经元生成1669.4.2线性神经网络生成1699.4.3线性滤波器生成1709.4.4线性神经网络训练1719.5线性网络的局限性1759.5.1非线性系统1759.5.2超定系统1789.5.3不定系统1789.5.4线性相关向量1819.5.5学习速率过大1839.6线性神经网络设计实例1859.6.1线性预测1859.6.2自适应滤波噪声抵消1879.6.3自适应滤波系统辨识1899.7小结192第10章BP神经网络19310.1BP神经网络结构19310.1.1BP网络神经元模型19310.1.2BP神经网络结构19410.2BP网络学习规则19510.2.1BP算法19510.2.2批处理学习算法19810.3BP网络的MATLAB实现19910.3.1BP网络的创建与仿真19910.3.2BP网络的训练20010.4BP网络的局限性21510.5BP神经网络设计实例21610.5.1函数逼近21610.5.2回归分析21810.5.3特征识别22010.6小结224第11章径向基神经网络22511.1基本径向基神经网络22511.1.1径向基网络神经元11.1.1模型22511.1.2径向基神经网络结构22611.2概率神经网络22711.3广义回归神经网络22811.4径向基网络的MATLAB11.4实现22911.4.1径向基神经网络的11.4.1精确创建23011.4.2更有效的径向基神经11.4.2网络创建23111.4.3概率神经网络的创建23111.4.4广义回归神经网络的11.4.4创建23211.5径向基网络设计实例23311.5.1径向基网络函数逼近23311.5.2散布常数的影响之欠11.5.2交叠情形23611.5.3散布常数的影响之过11.5.3交叠情形23811.5.4广义回归网络函数11.5.4逼近23911.5.5概率神经网络模式11.5.5分类24211.6小结245第12章自组织神经网络24612.1自组织竞争网络24612.1.1自组织竞争网络结构12.1.1模型24612.1.2自组织竞争神经网络12.1.2的学习算法24712.2自组织特征映射网络25012.2.1自组织特征映射网络12.2.1模型25012.2.2自组织特征映射网络12.2.2结构25812.2.3自组织特征映射网络的12.2.3学习规则25912.3学习矢量量化网络25912.3.1学习矢量量化网络12.3.1结构26012.3.2学习矢量量化网络的12.3.2学习规则26012.3.3与自组织映射网络的12.3.3比较26212.4自组织神经网络的MATLAB12.4实现26312.4.1自组织竞争网络的12.4.1设计26312.4.2自组织竞争网络的12.4.2训练26412.4.3SOFM网络的设计26512.4.4SOFM网络的训练26712.4.5LVQ网络的设计26712.4.6LVQ网络的训练27012.5自组织神经网络应用实例27112.5.1自组织竞争网络模式12.5.1分类27112.5.2一维自组织特征映射12.5.2网络27312.5.3二维自组织特征映射12.5.3网络27512.5.4LVQ网络应用实例27712.6小结279第13章反馈神经网络28013.1Hopfield网络28013.1.1离散Hopfield网络13.1.1模型28113.1.2连续Hopfield网络13.1.2模型28313.1.3联想记忆28513.1.4Hopfield网络结构28713.2Elman反馈神经网络28713.3反馈神经网络的MATLAB13.3实现28813.3.1设计Hopfield网络28813.3.2Elman网络的创建与13.3.2仿真29013.3.3训练Elman网络29113.4反馈神经网络应用实例29213.4.1二神经元Hopfield13.4.1网络设计29213.4.2Hopfield网络中的伪13.4.2平衡点29513.4.3三神经元Hopfield13.4.3网络设计29713.4.4利用Elman网络进行13.4.4振幅检测30013.5小结303第三篇神经网络综合实战篇第14章神经网络优化30614.1支持向量机30614.1.1统计学习理论30714.1.2支持向量机(SVM)14.1.2理论30714.1.3支持向量机实例31014.2Boltzmann机与模拟退火算法31414.2.1Boltzmann机的网络14.2.1结构31414.2.2模拟退火算法31514.2.3Boltzmann机的工作14.2.3原理31614.3基于遗传算法的神经网络14.3优化31714.3.1遗传算法介绍31814.3.2基于遗传算法的神经网络14.3.2优化算法32014.3.3遗传算法优化实例32114.4小结325第15章神经网络控制32615.1神经网络控制概述32715.1.1监督式神经网络控制32715.1.2直接逆模型神经网络15.1.2控制32815.1.3神经网络自适应控制32815.1.4神经网络内模控制32915.1.5神经网络预测控制33015.1.6神经网络自适应判断15.1.6控制33115.1.7多层神经网络控制33115.1.8分级神经网络控制33215.2神经网络模型预测控制33315.2.1系统辨识33415.2.2预测控制33515.2.3预测控制的Simulink15.2.3实例33515.3神经网络反馈线性化控制15.3(NARMA-L2)34115.3.1NARMA-L2系统辨识34115.3.2NARMA-L2控制器34215.3.3NARMA-L2控制器15.3.3Simulink实例34315.4神经网络模型参考控制34715.5小结352第16章神经网络故障诊断35316.1神经网络故障诊断概述35316.2基于神经网络的滚动轴承16.2故障诊断35416.2.1问题背景35416.2.2问题实例35616.3基于神经网络的汽车防抱死16.3系统故障诊断35916.3.1问题背景35916.3.2问题实例36116.4基于神经网络的柴油机16.4故障诊断36416.4.1问题背景36416.4.2问题实例36616.5基于神经网络的水循环系统16.5故障诊断37116.5.1问题背景37116.5.2问题实例37216.6小结374第17章神经网络预测37517.1神经网络预测概述37517.2基于神经网络的地震预测37817.2.1问题背景37817.2.2问题实例37817.3基于神经网络的人口预测38217.3.1问题背景38217.3.2问题实例38217.4基于神经网络的电信业务量17.4预测38517.4.1问题背景38517.4.2问题实例38517.5基于神经网络的股市预测38817.5.1问题背景38817.5.2问题实例38917.6基于神经网络的信用风险17.6预测39117.6.1问题背景39117.6.2问题实例39217.7小结394第18章Simulink中的神经网络设计39518.1Simulink神经网络模块39518.1.1传递函数模块库39618.1.2网络输入函数模块库39718.1.3权值函数模块库39718.1.4处理函数模块库39818.1.5控制系统模块库39818.2神经网络Simulink模型设计18.2实例39918.3小结403第19章自定义神经网络40419.1自定义网络40419.1.1定制网络40519.1.2定义网络40619.1.3网络行为41419.2相关工具箱函数41719.2.1初始化函数41719.2.2传递函数41719.2.3学习函数42019.3自定义函数42519.3.1网络构建函数42519.3.2初始化函数43119.3.3学习函数43219.3.4自组织映射函数43519.4小结437附录A工具箱函数列表438参考文献444
展开全部
图2
图3
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30