發表於2024-12-25
本書是“精通MATLAB”叢書之一,以MATLAB R2016a為平颱編寫,通過28個案例介紹MATLAB在神經網絡中的應用,應用性強,實用價值高。本書提供所有程序源代碼。“精通MATLAB”相關書目如下:
(1)MATLAB 8.X實戰指南
(2)數字圖像處理高級應用——基於MATLAB和CUDA的實現(第2版)
(3)MATLAB通信係統建模與仿真
(4)MATLAB R2015a數字圖像處理
(5)MATLAB R2015b數學建模
(6)MATLAB R2015a小波分析
(7)MATLAB R2015b神經網絡技術
(8)MATLAB R2015b*優化計算
(9)MATLAB R2015b概率與數理統計
(10)MATLAB R2015b數值計算方法
(11)MATLAB R2016a智能計算25個案例分析
(12)MATLAB R2016a在電子信息工程中仿真案例分析
(13)MATLAB R2016a神經網絡設計與應用28個案例分析
第1章綫性神經網絡的工程應用
1.1係統辨識的MATLAB實現
1.2自適應係統辨識的MATLAB實現
1.3綫性係統預測的MATLAB實現
1.4綫性神經網絡用於消噪處理的MATLAB實現
第2章神經網絡預測的實例分析
2.1地震預報的MATLAB實現
2.1.1概述
2.1.2地震預報的MATLAB實例分析
2.2交通運輸能力預測的MATLAB實現
2.2.1概述
2.2.2交通運輸能力預測的MATLAB實例分析
2.3農作物蟲情預測的MATLAB實現
2.3.1概述
2.3.2農作物蟲情預測的MATLAB實例分析
2.4基於概率神經網絡的故障診斷
2.4.1概述
2.4.2基於PNN的故障診斷實例分析
2.5基於BP網絡和Elman網絡的齒輪箱故障診斷
2.5.1概述
2.5.2基於BP網絡的齒輪箱故障診斷實例分析
2.5.3基於Elman網絡的齒輪箱故障診斷實例分析
2.6基於RBF網絡的船用柴油機故障診斷
2.6.1概述
2.6.2基於RBF網絡的船用柴油機故障診斷實例分析
第3章BP網絡算法分析與工程應用
3.1數值優化的BP網絡訓練算法
3.1.1擬牛頓法
3.1.2共軛梯度法
3.1.3Levenberg�睲arquardt法
3.2BP網絡的工程應用
3.2.1BP網絡在分類中的應用
3.2.2函數逼近
3.2.3BP網絡用於膽固醇含量的估計
3.2.4模式識彆
第4章神經網絡算法分析與實現
4.1Elman神經網絡
4.1.1Elman神經網絡結構
4.1.2Elman神經網絡的訓練
4.1.3Elman神經網絡的MATLAB實現
4.2Boltzmann機網絡
4.2.1BM網絡結構
4.2.2BM網絡的規則
4.2.3用BM網絡解TSP
4.2.4BM網絡的MATLAB實現
4.3BSB模型
4.3.1BSB神經模型概述
4.3.2BSB的MATLAB實現
第5章預測控製算法分析與實現
5.1係統辨識
5.2自校正控製
5.2.1單步輸齣預測
5.2.2最小方差控製
5.2.3最小方差間接自校正控製
5.2.4最小方差直接自校正控製
5.3自適應控製
5.3.1MIT自適應律
5.3.2MIT歸一化算法
第6章改進的廣義預測控製算法分析與實現
6.1預測控製
6.1.1基於CARIMA模型的JGPC
6.1.2基於CARMA模型的JGPC
6.2神經網絡預測控製的MATLAB實現
第7章SOFM網絡算法分析與應用
7.1SOFM網絡的生物學基礎
7.2SOFM網絡的拓撲結構
7.3SOFM網絡學習算法
7.4SOFM網絡的訓練過程
7.5SOFM網絡的MATLAB實現
7.6SOFM網絡在實際工程中的應用
7.6.1SOFM網絡在人口分類中的應用
7.6.2SOFM網絡在土壤分類中的應用
第8章幾種網絡算法分析與應用
8.1競爭型神經網絡的概念與原理
8.1.1競爭型神經網絡的概念
8.1.2競爭型神經網絡的原理
8.2幾種聯想學習規則
8.2.1內星學習規則
8.2.2外星學習規則
8.2.3科荷倫學習規則
第9章Hopfield神經網絡算法分析與實現
9.1離散Hopfield神經網絡
9.1.1網絡的結構與工作方式
9.1.2吸引子與能量函數
9.1.3網絡的權值設計
9.2連續Hopfield神經網絡
9.3聯想記憶
9.3.1聯想記憶網絡
9.3.2聯想記憶網絡的改進
9.4Hopfield神經網絡的MATLAB實現
第10章學習嚮量量化與對嚮傳播網絡算法分析與實現
10.1學習嚮量量化網絡
10.1.1LVQ網絡模型
10.1.2LVQ網絡學習算法
10.1.3LVQ網絡學習的MATLAB實現
10.2對嚮傳播網絡
10.2.1對嚮傳播網絡概述
10.2.2CPN網絡學習及規則
10.2.3對嚮傳播網絡的實際應用
第11章NARMA�睱2控製算法分析與實現
11.1反饋綫性化控製係統原理
11.2反饋綫性控製的MATLAB實現
11.3NARMA�睱2控製器原理及實例分析
11.3.1NARMA�睱2控製器原理
11.3.2NARMA�睱2控製器實例分析
第12章神經網絡函數及其導函數
12.1神經網絡的學習函數
12.2神經網絡的輸入函數及其導函數
12.3神經網絡的性能函數及其導函數
12.3.1性能函數
12.3.2性能函數的導函數
第13章Simulink神經網絡設計
13.1Simulink交互式仿真集成環境
13.1.1Simulink模型創建
13.1.2Simulink建模操作
13.1.3Simulink參數設置
13.1.4簡單的Simulink例子
13.2Simulink神經網絡模塊
13.2.1傳遞函數模塊庫
13.2.2網絡輸入模塊庫
13.2.3權值設置模塊庫
13.2.4處理模塊庫
13.2.5控製係統模塊庫
13.3Simulink神經網絡設計
13.3.1模型構建
13.3.2模型仿真
13.3.3修改信號源
第14章BP神經元模型與應用案例
14.1BP神經元及其模型
14.2BP網絡的學習
14.2.1BP網絡學習算法
14.2.2BP網絡學習算法的比較
14.3BP網絡的局限性
14.4BP網絡的MATLAB程序應用舉例
14.4.1BP網絡設計的基本方法
14.4.2BP網絡應用舉例
第15章自適應共振網絡算法分析與應用
15.1ART��1網絡
15.1.1網絡係統結構
15.1.2ATR��1網絡運行過程
15.1.3ATR��1學習算法
15.1.4ART��1網絡應用
15.2ART��2網絡
15.2.1網絡結構與運行原理
15.2.2網絡的數學模型與學習算法
15.2.3ART��2網絡在係統辨識中的應用
第16章徑嚮基網絡算法分析與應用
16.1正則化理論及正則化RBF網絡
16.1.1正則化理論
16.1.2正則化RBF網絡
16.2徑嚮基神經網絡結構
16.2.1徑嚮基神經元模型
16.2.2徑嚮基神經網絡模型
16.3徑嚮基神經網絡學習
16.4徑嚮基神經網絡的工程應用
16.4.1函數逼近
16.4.2散布常數對徑嚮基網絡的影響
16.5廣義迴歸神經網絡
16.5.1GRNN網絡結構
16.5.2GRNN網絡工作原理
16.6概率神經網絡
16.6.1PNN網絡結構
16.6.2PNN網絡工作原理
16.6.3應用PNN進行變量分類
第17章感知器算法分析與實現
17.1單層感知器模型
17.2單層感知器的學習算法
17.3感知器的局限性
17.4單層感知器神經網絡的MATLAB仿真
17.4.1感知器神經網絡設計的基本方法
17.4.2單層感知器神經網絡的應用舉例
17.5多層感知器神經網絡及其MATLAB仿真
17.5.1多層感知器神經網絡的設計方法
17.5.2多層感知器神經網絡的應用舉例
17.6用於綫性分類問題的進一步討論
17.6.1決策函數與決策邊界
17.6.2感知器的決策函數與決策邊界
第18章綫性網絡與BP網絡工具箱函數及其應用
18.1綫性神經網絡工具箱函數
18.1.1創建函數及其應用
18.1.2學習函數及其應用
18.1.3性能函數及其應用
18.1.4權積函數及其應用
18.1.5初始化函數
18.2BP神經網絡工具箱函數
18.2.1創建函數及其應用
18.2.2傳遞函數及其應用
18.2.3學習函數及其應用
18.2.4性能函數及其應用
18.2.5訓練函數及其應用
18.2.6顯示函數及其應用
第19章BP網絡算法分析與實現
19.1BP神經網絡模型
19.2BP神經網絡算法
19.2.1SDBP算法
19.2.2MOBP算法
19.2.3VLBP算法
19.2.4RPROP算法
19.2.5CGBP算法
19.3BP網絡設計
19.4BP神經網絡局限性
19.5BP神經網絡算法改進
19.5.1附加動量法
19.5.2有自適應lr的梯度下降法
19.5.3彈性梯度下降法
第20章自組織網絡工具箱函數及其應用
20.1創建函數
20.2傳遞函數
20.3距離函數
20.4學習函數
20.5初始化函數
20.6訓練函數
20.7顯示函數
20.8權值函數
20.9結構函數
第21章綫性網絡算法分析與實現
21.1綫性神經網絡結構
21.2綫性神經網絡學習
21.3綫性神經網絡訓練
21.4綫性神經網絡的MATLAB實現
21.5綫性神經網絡的局限性
21.5.1超定係統
21.5.2不定係統
21.5.3綫性相關嚮量
21.5.4學習速率過大
第22章神經網絡工具箱函數及其應用
22.1徑嚮基神經網絡工具箱函數
22.1.1創建函數
22.1.2變換函數
22.1.3傳遞函數
22.1.4距離函數
22.2Hopfield神經網絡工具箱函數
22.2.1傳輸函數
22.2.2學習函數
22.3Elman神經網絡工具箱函數
22.4學習嚮量量化網絡工具箱函數
22.4.1創建函數
22.4.2顯示函數
第23章感知器網絡算法分析與實現
23.1單層感知器
23.1.1單層感知器模型
23.1.2感知器功能
23.1.3網絡結構
23.1.4感知器算法
23.1.5網絡的訓練
23.1.6單層感知器實現
23.1.7感知器局限性
23.2多層感知器
23.2.1多層感知器介紹
23.2.2多層感知器實現
23.3感知器神經網絡的MATLAB實現
MATLAB R2016a神經網絡設計與應用28個案例分析(精通MATLAB) 下載 mobi pdf epub txt 電子書 格式 2024
MATLAB R2016a神經網絡設計與應用28個案例分析(精通MATLAB) 下載 mobi epub pdf 電子書紙質較好,對專業也有幫助
評分紙質較好,對專業也有幫助
評分例子很多,但是講解的不夠詳細,作用不大
評分例子很多,但是講解的不夠詳細,作用不大
評分紙質較好,對專業也有幫助
評分例子很多,但是講解的不夠詳細,作用不大
評分紙質較好,對專業也有幫助
評分紙質較好,對專業也有幫助
評分紙質較好,對專業也有幫助
MATLAB R2016a神經網絡設計與應用28個案例分析(精通MATLAB) mobi epub pdf txt 電子書 格式下載 2024