正版新书]MATLAB神经网络分析及应用顾艳春9787302677413

目录
CONTENTS
第1章 神经网络应用广泛的原因1
1.1　人工神经网络的定义1
1.1.1　神经网络基本概述1
1.1.2　人工神经元的基本特征1
1.1.3　人工神经元的特点与优越性2
1.2　人工神经网络的类型2
1.2.1　单层前向网络3
1.2.2　多层前向网络3
1.2.3　反馈网络4
1.2.4　竞争型神经网络4
1.2.5　深度神经网络4
1.3　人工神经网络的应用5
1.4　神经网络的发展史5
1.4.1　模型提出6
1.4.2　冰河期6
1.4.3　反向传播引起的复兴6
1.4.4　第二次低潮7
1.4.5　深度学习的崛起7
1.5　神经网络学习8
第2章 MATLAB快速入门10
2.1　MATLAB功能及发展10
2.1.1　MATLAB常用功能10
2.1.2　MATLAB的发展11
2.2　MATLAB R2023b集成开发环境 11
2.3　帮助命令12
2.4　MATLAB桌面基础知识14
2.5　MATLAB语言基础15
2.5.1　命令输入15
2.5.2　矩阵和数组16
2.5.3　数据类型30
2.5.4　基本运算35
2.5.5　循环及选择结构38
第3章 感知器分析与应用42
3.1　单层感知器42
3.1.1　单层感知器模型42
3.1.2　单层感知器结构43
3.1.3　创建感知器44
3.1.4　感知器学习规则45
3.1.5　训练46
3.2　感知器的限制50
3.3　离群值和归一化感知器规则50
3.4　感知器工具箱函数50
3.5　感知器的应用53
3.6　多层感知器分析与应用59
第4章 线性神经网络分析与应用63
4.1　线性神经网络与感知器的区别63
4.2　线性神经网络原理63
4.2.1　线性神经网络模型63
4.2.2　线性神经网络结构64
4.2.3　线性滤波器65
4.2.4　自适应线性滤波网络66
4.2.5　学习规则66
4.2.6　网络训练68
4.3　线性神经网络函数70
4.4　线性神经网络的实现77
第5章 BP神经网络分析与应用87
5.1　BP神经网络原理87
5.1.1　BP神经网络模型87
5.1.2　BP神经网络的流程88
5.1.3　BP神经网络的训练91
5.1.4　BP神经网络功能94
5.2　BP神经网络设计94
5.2.1　网络的层数94
5.2.2　隐藏层的神经元数94
5.2.3　初始值的选取95
5.2.4　学习速率95
5.3　BP神经网络函数95
5.4　BP神经网络的应用102
5.4.1　BP神经网络在数据预测中的应用102
5.4.2　BP神经网络在函数逼近中的应用104
5.4.3　BP神经网络的工具箱拟合数据应用107
5.4.4　BP神经网络在语音特征信号识别中的应用115
第6章 RBF神经网络分析与应用121
6.1　RBF神经网络模型121
6.1.1　RBF神经网络的思想122
6.1.2　RBF神经网络的工作原理122
6.2　RBF解决插值问题122
6.2.1　插值概述123
6.2.2　完全内插存在的问题124
6.2.3　正则化理论124
6.2.4　正则化RBF125
6.2.5　广义RBF网络125
6.3　RBF学习算法127
6.4　RBF网络工具箱函数128
6.5　RBF网络的应用131
第7章 反馈神经网络分析与应用142
7.1　静态与反馈网络142
7.2　Elman神经网络145
7.2.1　Elman神经网络特点145
7.2.2　Elman神经网络结构145
7.2.3　Elman神经网络的学习过程145
7.2.4　Elman神经网络的应用146
7.3　离散Hopfield神经网络153
7.3.1　Hopfield神经网络结构154
7.3.2　网络的工作方式156
7.3.3　网络的稳定156
7.3.4　联想记忆156
7.3.5　Hebb学习规则159
7.4　连续Hopfield神经网络160
7.4.1　连续Hopfield神经网络的稳定性160
7.4.2　连续Hopfield神经网络的实现161
第8章 竞争型神经网络分析与应用167
8.1　竞争型神经网络167
8.2　自组织神经网络169
8.2.1　自组织竞争学习170
8.2.2　自组织竞争学习规则170
8.2.3　联想学习规则171
8.2.4　自组织神经网络的原理174
8.2.5　自组织神经网络实现175
8.3　自组织特征映射网络176
8.3.1　拓扑结构176
8.3.2　SOM权值调整177
8.3.3　Kohonen算法步骤177
8.3.4　自组织映射网络的实现178
8.4　使用自组织映射对数据进行聚类 181
8.5　学习向量量化神经网络185
8.5.1　量化的定义186
8.5.2　LVQ神经网络186
8.5.3　LVQ网络算法187
8.5.4　LVQ网络的实现187
8.6　对偶传播神经网络190
8.6.1　网络结构与运行原理190
8.6.2　学习算法191
8.6.3　改进CPN191
8.6.4　CPN实现192
8.7　自适应共振理论网络195
8.7.1　ARTⅠ型网络196
8.7.2　ARTⅠ型网络学习过程197
8.7.3　ARTⅠ型网络的应用198
第9章 神经网络的Simulink应用201
9.1　Simulink神经网络模块201
9.1.1　神经网络模块201
9.1.2　模块的生成208
9.2　基于Simulink的神经网络的控制系统211
9.2.1　神经网络模型预测控制211
9.2.2　反馈线性化控制215
9.2.3　模型参考控制218
第10章 自定义神经网络221
10.1　自定义神经网络概述221
10.1.1　创建网络222
10.1.2　网络的初始化和训练232
10.2　自定义函数235
10.2.1　初始化函数235
10.2.2　学习函数236
10.2.3　仿真函数238
第11章 深度神经网络分析与应用240
11.1　卷积神经网络240
11.1.1　卷积神经网络的结构240
11.1.2　卷积神经网络的训练241
11.1.3　卷积神经网络的算法242
11.1.4　卷积神经网络的实现244
11.2　循环神经网络247
11.2.1　循环神经网络的特点247
11.2.2　循环神经网络的原理248
11.2.3　损失函数248
11.2.4　梯度求解249
11.2.5　循环神经网络的实现250
11.3　长短期记忆网络253
11.3.1　LSTM基本单元结构253
11.3.2　LSTM的应用255
参考文献270

本书以MATLAB R2023b为平台编写，以实际应用为背景，以“理论 公式 经典应用”相结合的形式，深入浅出地介绍MATLAB神经网络经典分析与应用，重点介绍各种神经网络的经典应用。
?版本先进，功能新颖  MATLAB更新的同时，神经网络工具箱随之更新换代，许多旧的函数被新的函数替换。本书基于MATLAB R2023b平台编写，介绍了该版本下的神经网络工具箱的使用方法。
?由浅入深，循序渐进  从最简单的感知器到复杂的自组织竞争网络，再到深度神经网络等内容，均对其进行了介绍。通过相应的实例来巩固原理、概念。结合实际性，重点讲解常用的网络。
?实例丰富，贴近实际  在讲解MATLAB神经网络应用时，精心选择了有代表性的实例。每章均提供了贴近工程实践的案例，便于读者了解实际应用。
?图文并茂，全面解读  丰富的代码实例及运行效果图，原理分析通俗易懂，采用MATLAB编程实现了部分简单的神经网络，有利于加深读者对神经网络的理解。
?实例丰富，便于教学  为了便于教师教学，提供教学课件、程序代码等教学资料。

《MATLAB神经网络分析及应用》以MATLAB R2023b为平台，以实际应用为背景，采用“理论 公式 经典应用”相结合的形式，深入浅出地讲解MATLAB神经网络经典分析与应用。全书共11章，主要包括为什么神经网络应用广泛、MATLAB快速入门、感知器分析与应用、线性神经网络分析与应用、BP神经网络分析与应用、RBF神经网络分析与应用、反馈神经网络分析与应用、竞争型神经网络分析与应用、神经网络的Simulink应用、自定义神经网络、深度神经网络的分析与应用。通过学习本书，读者可以认识到神经网络在各领域中的广泛应用，可以领略到利用MATLAB实现神经网络的方便、快捷、专业性强等特点。
《MATLAB神经网络分析及应用》可作为神经网络领域初学者和提高者的学习资料，也可作为高等院校相关课程的教材，还可作为广大科研人员、学者、工程技术人员的参考用书。