精通MATLAB MATLAB R2016a神经网络设计与应用28个案例分析2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

精通MATLAB MATLAB R2016a神经网络设计与应用28个案例分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 线性神经网络的工程应用1

1.1系统辨识的MATLAB实现1

1.2自适应系统辨识的MATLAB实现2

1.3线性系统预测的MATLAB实现4

1.4线性神经网络用于消噪处理的MATLAB实现6

第2章 神经网络预测的实例分析9

2.1地震预报的MATLAB实现9

2.1.1概述9

2.1.2地震预报的MATLAB实例分析10

2.2交通运输能力预测的MATLAB实现13

2.2.1概述13

2.2.2交通运输能力预测的MATLAB实例分析14

2.3农作物虫情预测的MATLAB实现17

2.3.1概述18

2.3.2农作物虫情预测的MATLAB实例分析18

2.4基于概率神经网络的故障诊断21

2.4.1概述21

2.4.2基于PNN的故障诊断实例分析22

2.5基于BP网络和Elman网络的齿轮箱故障诊断23

2.5.1概述24

2.5.2基于BP网络的齿轮箱故障诊断实例分析25

2.5.3基于Elman网络的齿轮箱故障诊断实例分析26

2.6基于RBF网络的船用柴油机故障诊断27

2.6.1概述28

2.6.2基于RBF网络的船用柴油机故障诊断实例分析28

第3章BP网络算法分析与工程应用32

3.1数值优化的BP网络训练算法32

3.1.1拟牛顿法32

3.1.2共轭梯度法35

3.1.3 Levenberg-Marquardt法38

3.2 BP网络的工程应用39

3.2.1 BP网络在分类中的应用39

3.2.2函数逼近41

3.2.3 BP网络用于胆固醇含量的估计43

3.2.4模式识别49

第4章 神经网络算法分析与实现55

4.1 Elman神经网络55

4.1.1 Elman神经网络结构55

4.1.2 Elman神经网络的训练56

4.1.3 Elman神经网络的MATLAB实现57

4.2 Boltzmann机网络60

4.2.1BM网络结构60

4.2.2 BM网络的规则60

4.2.3用BM网络解TSP63

4.2.4BM网络的MATLAB实现64

4.3BSB模型66

4.3.1 BSB神经模型概述66

4.3.2 BSB的MATLAB实现66

第5章 预测控制算法分析与实现69

5.1系统辨识69

5.2自校正控制70

5.2.1单步输出预测70

5.2.2最小方差控制71

5.2.3最小方差间接自校正控制73

5.2.4最小方差直接自校正控制76

5.3自适应控制79

5.3.1 MIT自适应律79

5.3.2 MIT归一化算法82

第6章 改进的广义预测控制算法分析与实现86

6.1预测控制86

6.1.1基于CARIMA模型的JGPC86

6.1.2基于CARMA模型的JGPC91

6.2神经网络预测控制的MATLAB实现95

第7章SOFM网络算法分析与应用101

7.1 SOFM网络的生物学基础101

7.2 SOFM网络的拓扑结构101

7.3 SOFM网络学习算法103

7.4 SOFM网络的训练过程104

7.5 SOFM网络的MATLAB实现106

7.6 SOFM网络在实际工程中的应用110

7.6.1 SOFM网络在人口分类中的应用110

7.6.2 SOFM网络在土壤分类中的应用113

第8章 几种网络算法分析与应用116

8.1竞争型神经网络的概念与原理117

8.1.1竞争型神经网络的概念117

8.1.2竞争型神经网络的原理119

8.2几种联想学习规则120

8.2.1内星学习规则121

8.2.2外星学习规则123

8.2.3科荷伦学习规则124

第9章Hopfield神经网络算法分析与实现126

9.1离散Hopfield神经网络126

9.1.1网络的结构与工作方式126

9.1.2吸引子与能量函数128

9.1.3网络的权值设计128

9.2连续Hopfield神经网络130

9.3联想记忆131

9.3.1联想记忆网络131

9.3.2联想记忆网络的改进132

9.4Hopfield神经网络的MATLAB实现132

第10章 学习向量量化与对向传播网络算法分析与实现138

10.1学习向量量化网络138

10.1.1 LVQ网络模型138

10.1.2 LVQ网络学习算法139

10.1.3 LVQ网络学习的MATLAB实现140

10.2对向传播网络144

10.2.1对向传播网络概述144

10.2.2 CPN网络学习及规则145

10.2.3对向传播网络的实际应用146

第11章NARMA-L2控制算法分析与实现150

11.1反馈线性化控制系统原理150

11.2反馈线性控制的MATLAB实现151

11.3 NARMA-L2控制器原理及实例分析157

11.3.1 NARMA-L2控制器原理157

11.3.2 NARMA-L2控制器实例分析159

第12章 神经网络函数及其导函数165

12.1神经网络的学习函数165

12.2神经网络的输入函数及其导函数173

12.3神经网络的性能函数及其导函数175

12.3.1性能函数175

12.3.2性能函数的导函数177

第13章Simulink神经网络设计180

13.1 Simulink交互式仿真集成环境180

13.1.1 Simulink模型创建180

13.1.2 Simulink建模操作181

13.1.3 Simulink参数设置181

13.1.4简单的Simulink例子184

13.2 Simulink神经网络模块186

13.2.1传递函数模块库187

13.2.2网络输入模块库187

13.2.3权值设置模块库188

13.2.4处理模块库189

13.2.5控制系统模块库190

13.3 Simulink神经网络设计191

13.3.1模型构建191

13.3.2模型仿真194

13.3.3修改信号源195

第14章 BP神经元模型与应用案例196

14.1BP神经元及其模型196

14.2 BP网络的学习197

14.2.1 BP网络学习算法197

14.2.2 BP网络学习算法的比较203

14.3 BP网络的局限性204

14.4 BP网络的MATLAB程序应用举例205

14.4.1 BP网络设计的基本方法205

14.4.2 BP网络应用举例206

第15章 自适应共振网络算法分析与应用212

15.1 ART-1网络212

15.1.1网络系统结构212

15.1.2 ATR-1网络运行过程214

15.1.3 ATR-1学习算法215

15.1.4 ART-1网络应用216

15.2 ART-2网络218

15.2.1网络结构与运行原理218

15.2.2网络的数学模型与学习算法219

15.2.3 ART-2网络在系统辨识中的应用222

第16章 径向基网络算法分析与应用223

16.1正则化理论及正则化RBF网络223

16.1.1正则化理论223

16.1.2正则化RBF网络225

16.2径向基神经网络结构226

16.2.1径向基神经元模型226

16.2.2径向基神经网络模型226

16.3径向基神经网络学习227

16.4径向基神经网络的工程应用229

16.4.1.函数逼近229

16.4.2散布常数对径向基网络的影响231

16.5广义回归神经网络234

16.5.1 GRNN网络结构234

16.5.2 GRNN网络工作原理234

16.6概率神经网络236

16.6.1 PNN网络结构236

16.6.2 PNN网络工作原理236

16.6.3应用PNN进行变量分类237

第17章 感知器算法分析与实现239

17.1单层感知器模型239

17.2单层感知器的学习算法240

17.3感知器的局限性242

17.4单层感知器神经网络的MATLAB仿真243

17.4.1感知器神经网络设计的基本方法243

17.4.2单层感知器神经网络的应用举例243

17.5多层感知器神经网络及其MATLAB仿真246

17.5.1多层感知器神经网络的设计方法246

17.5.2多层感知器神经网络的应用举例247

17.6用于线性分类问题的进一步讨论250

17.6.1决策函数与决策边界250

17.6.2感知器的决策函数与决策边界251

第18章 线性网络与BP网络工具箱函数及其应用253

18.1线性神经网络工具箱函数253

18.1.1创建函数及其应用253

18.1.2学习函数及其应用255

18.1.3性能函数及其应用257

18.1.4权积函数及其应用258

18.1.5初始化函数259

18.2BP神经网络工具箱函数260

18.2.1创建函数及其应用260

18.2.2传递函数及其应用262

18.2.3学习函数及其应用263

18.2.4性能函数及其应用264

18.2.5训练函数及其应用266

18.2.6显示函数及其应用268

第19章BP网络算法分析与实现270

19.1 BP神经网络模型270

19.2 BP神经网络算法271

19.2.1 SDBP算法272

19.2.2 MOBP算法274

19.2.3 VLBP算法274

19.2.4 RPROP算法275

19.2.5 CGBP算法275

19.3BP网络设计277

19.4 BP神经网络局限性278

19.5BP神经网络算法改进279

19.5.1附加动量法279

19.5.2有自适应lr的梯度下降法283

19.5.3弹性梯度下降法284

第20章 自组织网络工具箱函数及其应用287

20.1创建函数287

20.2传递函数290

20.3距离函数292

20.4学习函数294

20.5初始化函数298

20.6训练函数299

20.7显示函数299

20.8权值函数300

20.9结构函数300

第21章 线性网络算法分析与实现302

21.1线性神经网络结构302

21.2线性神经网络学习303

21.3线性神经网络训练304

21.4线性神经网络的MATLAB实现304

21.5线性神经网络的局限性308

21.5.1超定系统308

21.5.2不定系统311

21.5.3线性相关向量314

21.5.4学习速率过大315

第22章 神经网络工具箱函数及其应用319

22.1径向基神经网络工具箱函数319

22.1.1创建函数319

22.1.2变换函数322

22.1.3传递函数323

22.1.4距离函数324

22.2 Hopfield神经网络工具箱函数325

22.2.1传输函数325

22.2.2学习函数326

22.3 Elman神经网络工具箱函数327

22.4学习向量量化网络工具箱函数329

22.4.1创建函数329

22.4.2显示函数330

第23章 感知器网络算法分析与实现333

23.1单层感知器333

23.1.1单层感知器模型333

23.1.2感知器功能334

23.1.3网络结构336

23.1.4感知器算法337

23.1.5网络的训练337

23.1.6单层感知器实现338

23.1.7感知器局限性339

23.2多层感知器342

23.2.1多层感知器介绍342

23.2.2多层感知器实现343

23.3感知器神经网络的MATLAB实现345

第24章 神经网络工具箱函数分析与应用354

24.1权值和阈值初始化函数354

24.2训练和自适应调整函数356

第25章 自组织竞争网络算法分析与应用370

25.1自组织竞争网络结构370

25.2自组织竞争网络学习规则371

25.2.1 Kohonen权值学习规则371

25.2.2阈值学习规则371

25.3网络训练372

25.4竞争型网络存在的问题374

25.5竞争型网络的工程应用375

第26章 小波神经网络在交通流量预测中的应用381

26.1小波变换概述381

26.2小波神经网络的定义382

26.3小波神经网络的理论383

26.4小波神经网络的结构383

26.5小波神经网络用于交通流量预测385

第27章 模糊神经网络算法分析与应用389

27.1模糊神经网络389

27.2几种常用模型的模糊神经网络391

27.2.1 Mamdani模型模糊神经网络391

27.2.2 Takagi-Sugeno模型模糊神经网络392

27.2.3模糊神经网络的函数393

27.2.4模糊神经网络的应用397

27.2.5神经模糊系统的图形界面409

第28章 感知器网络工具箱函数及其应用419

28.1创建函数419

28.2初始化函数420

28.3显示函数421

28.4仿真函数423

28.5性能函数423

28.6训练函数424

28.7学习函数426

28.8传递函数428

附录A MATLAB R2016a安装说明431

参考文献438