MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用

內(nèi)容概要

　　 本書(shū)共分為10章。主要內(nèi)容包括人工神經(jīng)網(wǎng)絡(luò)的分類、MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的對(duì)象與屬性、神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)的分析及實(shí)例、感知器、線性神經(jīng)網(wǎng)絡(luò)、BP網(wǎng)絡(luò)、徑向基網(wǎng)絡(luò)、GMDH網(wǎng)絡(luò)、自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)、自組織特征映射神經(jīng)網(wǎng)絡(luò)、自適應(yīng)共振理論模型、對(duì)向傳播網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)、聯(lián)想記憶、BSB模型及其應(yīng)用、圖形用戶接口、Simulink仿真、自定義神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)在工程中的應(yīng)用等內(nèi)容?！　”緯?shū)可作為高等院校計(jì)算機(jī)、電子工程、控制工程、信息與通信科學(xué)、數(shù)學(xué)、機(jī)械工程和生物醫(yī)學(xué)工程等專業(yè)學(xué)生的參考教材，對(duì)從事上述領(lǐng)域工作的廣大科技人員具有重要的參考價(jià)值，對(duì)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)及其仿真技術(shù)的讀者來(lái)說(shuō)，也是一本極為有用的入門指導(dǎo)書(shū)。

書(shū)籍目錄

第1章  神經(jīng)網(wǎng)絡(luò)緒論	　1.1  人工神經(jīng)網(wǎng)絡(luò)的介紹	　1.2  神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程	　　1.2.1  神經(jīng)網(wǎng)絡(luò)的起始	　　1.2.2  神經(jīng)網(wǎng)絡(luò)的蕭條	　　1.2.3  神經(jīng)網(wǎng)絡(luò)興盛	　1.3  神經(jīng)網(wǎng)絡(luò)模型	　　1.3.1  生物神經(jīng)元模塊	　　1.3.2  人工神經(jīng)元模型	　1.4  人工神經(jīng)網(wǎng)絡(luò)的分類	　1.5  神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式	　1.6  神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及優(yōu)點(diǎn)	　　1.6.1  神經(jīng)網(wǎng)絡(luò)特點(diǎn)	　　1.6.2  神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)	　1.7  神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)	　1.8  人工神經(jīng)網(wǎng)絡(luò)與人工智能	　　1.8.1  人工智能的概述	　　1.8.2  人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用	　　1.8.3  人工神經(jīng)網(wǎng)絡(luò)與人工智能相比較	第2章  MATLAB語(yǔ)言及神經(jīng)元	　2.1  MATLAB簡(jiǎn)介	　2.2  MATLAB的語(yǔ)言特點(diǎn)	　2.3  MATLAB 7.2的新特點(diǎn)	　2.4  MATLAB神經(jīng)網(wǎng)絡(luò)工具箱	　　2.4.1  MATLAB 6.x神經(jīng)網(wǎng)絡(luò)工具箱	　　2.4.2  MATLAB 7.x神經(jīng)網(wǎng)絡(luò)工具箱	　2.5  MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的對(duì)象與屬性	　　2.5.1  網(wǎng)絡(luò)對(duì)象屬性	　　2.5.2  子對(duì)象屬性	第3章  神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)的分析及實(shí)例	　3.1  神經(jīng)網(wǎng)絡(luò)的構(gòu)建函數(shù)	　3.2  神經(jīng)網(wǎng)絡(luò)的應(yīng)用函數(shù)	　3.3  權(quán)值和閾值初始化函數(shù)	　3.4  訓(xùn)練和自適應(yīng)調(diào)整函數(shù)	　3.5  神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)函數(shù)	　3.6  神經(jīng)網(wǎng)絡(luò)的輸入函數(shù)及其導(dǎo)函數(shù)	　　3.6.1  輸入函數(shù)	　　3.6.2  輸入函數(shù)的導(dǎo)函數(shù)	　3.7  神經(jīng)網(wǎng)絡(luò)的性能函數(shù)及其導(dǎo)函數(shù)	　　3.7.1  性能函數(shù)	　　3.7.2  性能函數(shù)的導(dǎo)函數(shù)	　3.8  傳遞函數(shù)及其導(dǎo)函數(shù)	　　3.8.1  傳遞函數(shù)	　　3.8.2  傳遞函數(shù)的導(dǎo)函數(shù)	　3.9  距離函數(shù)	　3.10  權(quán)值函數(shù)及其導(dǎo)函數(shù)	　　3.10.1  權(quán)值函數(shù)	　　3.10.2  權(quán)值函數(shù)的導(dǎo)函數(shù)	　3.11  結(jié)構(gòu)函數(shù)	　3.12  分析函數(shù)	　3.13  轉(zhuǎn)換函數(shù)	　3.14  繪圖函數(shù)	　3.15  數(shù)據(jù)預(yù)處理和后處理函數(shù)	第4章  前向型神經(jīng)網(wǎng)絡(luò)及MATLAB應(yīng)用舉例	　4.1  感知器	　　4.1.1  單層感知器模型	　　4.1.2  單層感知器的學(xué)習(xí)算法	　　4.1.3  感知器的局限性	　　4.1.4  單層感知器神經(jīng)網(wǎng)絡(luò)的MATLAB仿真	　　4.1.5  多層感知器神經(jīng)網(wǎng)絡(luò)及其MATLAB仿真	　　4.1.6  用于線性分類問(wèn)題的進(jìn)一步討論	　4.2  線性神經(jīng)網(wǎng)絡(luò)	　　4.2.1  線性神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)	　　4.2.2  線性神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)	　　4.2.3  自適應(yīng)濾波線性神經(jīng)網(wǎng)絡(luò)	　　4.2.4  線性神經(jīng)網(wǎng)絡(luò)的局限性	　　4.2.5  線性神經(jīng)網(wǎng)絡(luò)的MATLAB應(yīng)用舉例	　4.3  BP網(wǎng)絡(luò)	　　4.3.1  BP神經(jīng)元及其模型	　　4.3.2  BP網(wǎng)絡(luò)的學(xué)習(xí)	　　4.3.3  BP網(wǎng)絡(luò)的局限性	　　4.3.4  BP網(wǎng)絡(luò)的MATLAB程序應(yīng)用舉例	　4.4  徑向基網(wǎng)絡(luò)	　　4.4.1  徑向基函數(shù)網(wǎng)絡(luò)模型	　　4.4.2  徑向基函數(shù)網(wǎng)絡(luò)的構(gòu)建	　　4.4.3  RBF網(wǎng)絡(luò)應(yīng)用實(shí)例	　　4.4.4  RBF網(wǎng)絡(luò)的非線性濾波	　4.5  GMDH網(wǎng)絡(luò)	　　4.5.1  GMDH網(wǎng)絡(luò)理論	　　4.5.2  GMDH網(wǎng)絡(luò)的訓(xùn)練	　　4.5.3  基于GMDH網(wǎng)絡(luò)的預(yù)測(cè)	第5章  自組織神經(jīng)網(wǎng)絡(luò)及MATLAB程序	　5.1  自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)	　　5.1.1  競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)模型	　　5.1.2  競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)	　　5.1.3  競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)存在的問(wèn)題	　　5.1.4  競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的MATLAB程序	　5.2  自組織特征映射神經(jīng)網(wǎng)絡(luò)	　　5.2.1  特征映射網(wǎng)絡(luò)的模型	　　5.2.2  特征映射網(wǎng)絡(luò)的學(xué)習(xí)	　　5.2.3  基于特征映射網(wǎng)絡(luò)的人口分類	　5.3  自適應(yīng)共振理論	　　5.3.1  自適應(yīng)共振理論模型	　　5.3.2  自適應(yīng)共振理論的學(xué)習(xí)	　　5.3.3  自適應(yīng)共振理論的MATLAB程序	　5.4  學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)	　　5.4.1  學(xué)習(xí)矢量量化的神經(jīng)網(wǎng)絡(luò)模型	　　5.4.2  學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)	　　5.4.3  LVQ1學(xué)習(xí)算法的改進(jìn)	　　5.4.4  LVQ神經(jīng)網(wǎng)絡(luò)的MATLAB程序	　5.5  對(duì)向傳播網(wǎng)絡(luò)	　　5.5.1  對(duì)向傳播網(wǎng)絡(luò)簡(jiǎn)介	　　5.5.2  對(duì)向傳播網(wǎng)絡(luò)的MATLAB程序	第6章  反饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用	第7章  圖形用戶接口	第8章  Simulink	第9章  自定義神經(jīng)網(wǎng)絡(luò)	第10章  神經(jīng)網(wǎng)絡(luò)的應(yīng)用	參考文獻(xiàn)

章節(jié)摘錄

第1章 神經(jīng)網(wǎng)絡(luò)緒論1.1 人工神經(jīng)網(wǎng)絡(luò)的介紹在你閱讀本書(shū)時(shí)，你正在用到一個(gè)復(fù)雜的生物神經(jīng)網(wǎng)絡(luò)，大約有1011個(gè)相互連接的神經(jīng)元幫助你進(jìn)行閱讀、呼吸、思考，完成各種動(dòng)作，部分神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能是與生具有的，比如支配呼吸、哭、吮吸等本能動(dòng)作的功能；而大多數(shù)的功能則需要通過(guò)后天的學(xué)習(xí)才能獲得。雖然人們還并不完全清楚生物神經(jīng)網(wǎng)絡(luò)是如何進(jìn)行工作的，但幻想構(gòu)造一些“人工神經(jīng)元”，進(jìn)而將它們以某種方式連接起來(lái)，可以模擬“人腦”的某些功能。1.2 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程人工神經(jīng)網(wǎng)絡(luò)這項(xiàng)研究始于20世紀(jì)40年代，它的發(fā)展經(jīng)歷了起始、蕭條和興盛三個(gè)階段。1.2.1 神經(jīng)網(wǎng)絡(luò)的起始1943年，精神病學(xué)家和神經(jīng)解剖學(xué)家McCulloch與數(shù)學(xué)家Pitts在數(shù)學(xué)生物物理學(xué)會(huì)期刊《BulletinofMathematicalBiophysics》上發(fā)表文章，總結(jié)了生物神經(jīng)元的一些基本生理特征，提出了形式神經(jīng)元的數(shù)學(xué)描述與結(jié)構(gòu)，即MP模型。McCulloch和Pitts描述了一個(gè)邏輯微積分的神經(jīng)網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)由神經(jīng)生理學(xué)和數(shù)學(xué)邏輯學(xué)組成，他們定義的神經(jīng)元的正規(guī)模型被認(rèn)為遵循著“全或無(wú)”法則。McCulloch和Pitts證明：原則上，在擁有了數(shù)量眾多的簡(jiǎn)單單元和適當(dāng)?shù)纳窠?jīng)元連接且運(yùn)行同步的情況下，所構(gòu)建的網(wǎng)絡(luò)能計(jì)算任何可計(jì)算的函數(shù)。MP的提出興起了NN研究，同時(shí)產(chǎn)生了人工智能（ArtificialIntelligence，AI）這一學(xué)科。1948年，Wiener所著的著名的《Cybernetics》一書(shū)出版，提出了控制、通信和統(tǒng)計(jì)信號(hào)處理的重要概念，在學(xué)科之間抓住了統(tǒng)計(jì)方法的物理意義。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用 PDF格式下載

---