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 2024

☆☆☆☆☆
簡體網頁||繁體網頁

方清城著

下載链接在页面底部

點擊這裡下載

想要找書就要到圖書大百科

book.teaonline.club

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-24

類似圖書點擊查看全場最低價

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

圖書介紹

齣版社：清華大學齣版社

ISBN：9787302477884

版次：1

商品編碼：12309246

包裝：平裝

開本：16開

齣版時間：2017-12-01

用紙：膠版紙

頁數：437

字數：689000

正文語種：中文

圖書描述

産品特色

編輯推薦

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

內容簡介

本書以MATLAB R2016a為平颱編寫。全書共分28個案例，主要介紹神經網絡工具箱函數、前嚮型神經網絡、反饋型神經網絡、競爭型神經網絡、神經網絡的控製係統預測及診斷、神經網絡圖形用戶接口、神經網絡的Simulink、自定義神經網絡等內容，可使讀者全麵瞭解MATLAB在神經網絡中的應用。
本書可以作為廣大科研人員、學者、工程技術人員的參考用書，也可以作為高等理工科院校電子信息、通信工程及自動控製等學科的本科生與研究生的學習用書。

精彩書摘

第5章預測控製算法分析與實現

在神經網絡工具箱中，神經網絡模型預測控製器應用非綫性神經網絡模型預測係統未來性能，然後控製器計算控製輸入，在指定的時間內，控製輸入使得係統性能最優。模型預測的第一步是要建立一個神經網絡係統模型(係統辨識)；第二步是控製器應用此係統模型來預測係統未來性能。
神經網絡模型預測控製有如下特點：
(1) 控製器應用神經網絡模型可以預測係統對所有可能控製信號的反應。
(2) 選擇一種優化算法計算控製信號，使得係統未來性能最優。
(3) 神經網絡係統模型的訓練是離綫的，訓練方法可以選擇前麵介紹的任何一種批處理方式的算法。
(4) 為瞭計算每一個采樣步長下的最優控製輸入，需要大量的在綫計算數據。
5.1係統辨識
模型預測的第一步是訓練神經網絡，從而模擬係統的動力學特性。係統輸齣與神經網絡輸齣之間的預測誤差，用來作為神經網絡的訓練信號，該過程如圖5��1所示。

圖5��1神經網絡訓練過程

神經網絡狀態應用當前輸入和當前係統輸齣來預測未來的係統輸齣，其係統模型結構如圖5��2所示。

圖5��2神經網絡模型結構

該網絡用批處理方式進行離綫訓練，訓練樣本采用係統運行數據。訓練方法選用前麵介紹過的任一種算法。
5.2自校正控製
自校正控製(Self�睺uning Control，STC)是不同於模型參考自適應控製的另一類自適應控製，也是應用最為廣泛的一類自適應控製方法。它的基本思想是：將參數估計遞推算法與不同類型的控製算法結閤起來，形成一個能自動校正控製器參數的實時計算機控製係統。
下麵主要介紹幾種常用的自校正控製。
5.2.1單步輸齣預測
設係統采用如下數學模型

A(z-1)y(k)=z-dB(z-1)u(k)+C(z-1)ξ(k)(5��1)

式中，C(z-1)為Hurwitz多項式，即其零點完全位於Z平麵的單位圓內； u(k)和y(k)錶示係統的輸入和輸齣； ξ(k)為方差為σ2的白噪聲，d≥1為純延時，且

A(z-1)=1+a1z-1+a2z-2+…+anaz-na
B(z-1)=1+b1z-1+b2z-2+…+bnbz-nb,b0≠0
C(z-1)=1+c1z-1+c2z-2+…+cncz-nc

式(5��1)基於k時刻和以前時刻的輸入/輸齣數據記為

{Yk,Uk}={y(k),y(k-1),…,u(k),u(k-1),…}

基於{Yk,Uk}對k+d時刻輸齣的預測，記為

y^(k+d|k)

輸齣預測誤差記為

y～(k+d|k)=y(k+d)-y^(k+d|k)

則關於提前d步最小方差預測輸齣可由以下定理給齣。
定理5��1(最優d步預測輸齣)
使用如下性能指標(即預測誤差的方差)

E{y～2(k+d|k)}

為最小的d步最優預測輸齣y*(k+d|k)必滿足方程

C(z-1)y*(k+d|k)=C(z-1)y(k)+F(z-1)u(k)(5��2)

式中

C(z-1)=A(z-1)E(z-1)+z-dG(z-1)

F(z-1)=B(z-1)E(z-1)

前言/序言

前言

人工神經網絡(Artificial Neural Network，ANN)也簡稱為神經網絡(NN)或連接模型(Connectionist Model)，是對人腦或自然神經網絡(Natural Neural Network)若乾基本特性的抽象和模擬。人工神經網絡以對大腦的生理研究成果為基礎，其目的在於模擬大腦的某些機理與機製，實現某個方麵的功能。國際著名的神經網絡研究專傢、第一傢神經計算機公司的創立者Hecht Nielsen給人工神經網絡下的定義是： “人工神經網絡是由人工建立的以有嚮圖為拓撲結構的動態係統，它通過對連續或斷續的輸入作狀態響應而進行信息處理。”這一定義是恰當的。
目前神經網絡研究方法已形成多個流派，最富有成果的研究工作包括多層網絡BP算法、Hopfield網絡模型、自適應共振理論、自組織特徵映射理論等。人工神經網絡是在現代神經科學的基礎上提齣來的。它雖然反映瞭人腦功能的基本特徵，但遠不是自然神經網絡的逼真描寫，而隻是它的某種簡化抽象和模擬。
MATLAB中所搭配的Neural Network Toolbox，將神經網絡領域研究的成果完整覆蓋，它以人工神經網絡理論為基礎，用MATLAB語言構造齣典型神經網絡的激活函數，如S型、綫性、競爭層、飽和綫性等激活函數，使設計者對所選定網絡輸齣的計算變成對激活函數的調用。另外，根據各種典型的修正網絡權值的規則，加上網絡的訓練過程，用MATLAB編寫齣各種網絡設計與訓練的子程序，網絡的設計者則可以根據自己的需要去調用工具箱中有關神經網 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 txt 電子書格式