MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析

前言

　　MATLAB中文論壇神經(jīng)網(wǎng)絡(luò)版塊有數(shù)千個(gè)MATLAB與神經(jīng)網(wǎng)絡(luò)相關(guān)的帖子。 我們對(duì)這些帖子進(jìn)行了一些總結(jié)分析，發(fā)現(xiàn)一些比較有趣的現(xiàn)象：　　①大約有20%的會(huì)員不知道每一種神經(jīng)網(wǎng)絡(luò)的功能，不清楚該選用何種神經(jīng)網(wǎng)絡(luò)來(lái)做自己的課題?！　、诖蠹s有50%的會(huì)員會(huì)直接參考他人已經(jīng)寫(xiě)好的代碼，然而由于數(shù)據(jù)性質(zhì)、應(yīng)用背景等的差異性，會(huì)員在修改現(xiàn)有代碼使之更符合自己的需要時(shí)遇到很多麻煩。　?、圻€有一小部分會(huì)員想了解如何讓現(xiàn)有的神經(jīng)網(wǎng)絡(luò)與其他方面的優(yōu)化知識(shí)結(jié)合起來(lái)，使神經(jīng)網(wǎng)絡(luò)的表現(xiàn)更理想一些，比如神經(jīng)網(wǎng)絡(luò)與遺傳算法的結(jié)合等，但在現(xiàn)有很多有關(guān)神經(jīng)網(wǎng)絡(luò)的書(shū)上找不到答案?！　≡谖覀兓卮饐?wèn)題的同時(shí)，我們對(duì)現(xiàn)有的提問(wèn)進(jìn)行了分析和總結(jié)，尤其是會(huì)員比較關(guān)心的以上現(xiàn)象進(jìn)行了統(tǒng)計(jì)。為了讓更多學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的會(huì)員能夠快速了解并且在MATLAB下使用神經(jīng)網(wǎng)絡(luò)，MATLAB中文論壇精心編寫(xiě)了《MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析》一書(shū)?！　≡摃?shū)含有30個(gè)在MATLAB環(huán)境下實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)案例，包括了常用的神經(jīng)網(wǎng)絡(luò)及相關(guān)理論，如：BP、RBF、SVM、SOM、PSO、Hopfield、Elman、LVQ、Kohonen、GRNN、灰色神經(jīng)網(wǎng)絡(luò)、遺傳算法與神經(jīng)網(wǎng)絡(luò)的結(jié)合、廣義神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)、PID神經(jīng)元等知識(shí)。當(dāng)然，如果你所需要的神經(jīng)網(wǎng)絡(luò)超出本書(shū)所涉及的范疇，收到你的反饋后幾位作者會(huì)第一時(shí)間在論壇“在線交流”版塊為你加上。別忘了，這是一本“會(huì)動(dòng)”的書(shū)！　　在編寫(xiě)本書(shū)的過(guò)程中，我們始終記得數(shù)千位會(huì)員對(duì)該書(shū)的要求（希望這也是你的期待）：案例實(shí)用性。書(shū)中所列舉的30個(gè)案例，部分來(lái)自于各大公司、院校的研究課題，部分來(lái)自于論壇會(huì)員的提問(wèn)。這些案例分別代表了神經(jīng)網(wǎng)絡(luò)在各個(gè)領(lǐng)域的相關(guān)應(yīng)用。讀者可以很容易根據(jù)自己的課題需要，找出書(shū)中哪些案例適合自己，進(jìn)而詳細(xì)閱讀?！　ATLAB程序可模仿性。我們所編寫(xiě)的MATLAB案例程序高度模塊化。 不管是何種網(wǎng)絡(luò)，其基本思想都是輸入（出）數(shù)據(jù)的前期處理、模型參數(shù)的設(shè)置、模型的訓(xùn)練以及模型的使用。那么，如果讀者需要模仿這些程序，只需更改里面某些模塊即可。　　我們一直強(qiáng)調(diào)一個(gè)理念：“有問(wèn)必答”！對(duì)于神經(jīng)網(wǎng)絡(luò)這門(mén)學(xué)科來(lái)說(shuō)，包含太多的抽象知識(shí)。如果在學(xué)習(xí)、使用神經(jīng)網(wǎng)絡(luò)的時(shí)候，能夠得到一位或者數(shù)位該領(lǐng)域?qū)＜业闹笇?dǎo)，那絕不僅僅是事半功倍的效果，我想學(xué)習(xí)過(guò)編程語(yǔ)言的讀者都知道這個(gè)道理。目前這本書(shū)的幾位作者幾乎每天都在線為讀者解答疑問(wèn)，爭(zhēng)取做到問(wèn)題不過(guò)夜?！　?duì)于每個(gè)案例，我們也制作了配套的教學(xué)視頻。在書(shū)籍+視頻+程序的協(xié)助下，一小時(shí)之內(nèi)使用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自己的目標(biāo)已經(jīng)不是難事。套一句比較流行的網(wǎng)絡(luò)術(shù)語(yǔ)：“哥賣(mài)的不是書(shū)，而是一種服務(wù)”。

內(nèi)容概要

本書(shū)是MATLAB中文論壇神經(jīng)網(wǎng)絡(luò)版塊數(shù)千個(gè)帖子的總結(jié)，充分強(qiáng)調(diào)“案例實(shí)用性、程序可模仿性”。所有案例均來(lái)自于論壇會(huì)員的切身需求，保證每一個(gè)案例都與實(shí)際課題相結(jié)合。    讀者調(diào)用案例的時(shí)候，只要把案例中的數(shù)據(jù)換成自己需要處理的數(shù)據(jù)，即可實(shí)現(xiàn)自己想要的網(wǎng)絡(luò)。如果在實(shí)現(xiàn)過(guò)程中有任何疑問(wèn)，可以隨時(shí)在MATLAB中文論壇與作者交流，作者每天在線，有問(wèn)必答。    該書(shū)共有30個(gè)MATLAB神經(jīng)網(wǎng)絡(luò)的案例(含可運(yùn)行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神經(jīng)網(wǎng)絡(luò)；還包含PSO(粒子群）、灰色神經(jīng)網(wǎng)絡(luò)、模糊網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、遺傳算法優(yōu)化等內(nèi)容。該書(shū)另有31個(gè)配套的教學(xué)視頻幫助讀者更深入地了解神經(jīng)網(wǎng)絡(luò)。    本書(shū)可作為本科畢業(yè)設(shè)計(jì)、研究生項(xiàng)目設(shè)計(jì)、博士低年級(jí)課題設(shè)計(jì)參考書(shū)籍，同時(shí)對(duì)廣大科研人員也有很高的參考價(jià)值。

書(shū)籍目錄

第1章 P神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類(lèi)——語(yǔ)音特征信號(hào)分類(lèi)第2章 BP神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)建?！蔷€性函數(shù)擬合第3章 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)——非線性函數(shù)擬合第4章 神經(jīng)網(wǎng)絡(luò)遺傳算法函數(shù)極值尋優(yōu)——非線性函數(shù)極值尋優(yōu)第5章 基于BP_Adaboost的強(qiáng)分類(lèi)器設(shè)計(jì)——公司財(cái)務(wù)預(yù)警建模第6章 PID神經(jīng)元網(wǎng)絡(luò)解耦控制算法——多變量系統(tǒng)控制第7章 RBF網(wǎng)絡(luò)的回歸——非線性函數(shù)回歸的實(shí)現(xiàn)第8章 GRNN的數(shù)據(jù)預(yù)測(cè)——基于廣義回歸神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測(cè)第9章 離散Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶——數(shù)字識(shí)別第10章 離散Hopfield神經(jīng)網(wǎng)絡(luò)的分類(lèi)——高?？蒲心芰υu(píng)價(jià)第11章 連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的優(yōu)化——旅行商問(wèn)題優(yōu)化計(jì)算第12章 SVM的數(shù)據(jù)分類(lèi)預(yù)測(cè)——意大利葡萄酒種類(lèi)識(shí)別第13章 SVM的參數(shù)優(yōu)化——如何更好的提升分類(lèi)器的性能第14章 SVM的回歸預(yù)測(cè)分析——上證指數(shù)開(kāi)盤(pán)指數(shù)預(yù)測(cè)第15章 SVM的信息?；瘯r(shí)序回歸預(yù)測(cè)——上證指數(shù)開(kāi)盤(pán)指數(shù)變化趨勢(shì)和變化空間預(yù)測(cè)第16章 自組織競(jìng)爭(zhēng)網(wǎng)絡(luò)在模式分類(lèi)中的應(yīng)用——患者癌癥發(fā)病預(yù)測(cè)第17章SOM神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類(lèi)——柴油機(jī)故障診斷第18章Elman神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)預(yù)測(cè)——電力負(fù)荷預(yù)測(cè)模型研究第19章 概率神經(jīng)網(wǎng)絡(luò)的分類(lèi)預(yù)測(cè)——基于PNN的變壓器故障診斷第20章 神經(jīng)網(wǎng)絡(luò)變量篩選——基于BP的神經(jīng)網(wǎng)絡(luò)變量篩選第21章 LVQ神經(jīng)網(wǎng)絡(luò)的分類(lèi)——乳腺腫瘤診斷第22章 LVQ神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)——人臉朝向識(shí)別第23章 小波神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)——短時(shí)交通流量預(yù)測(cè)第24章 模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)算法——嘉陵江水質(zhì)評(píng)價(jià)第25章 廣義神經(jīng)網(wǎng)絡(luò)的聚類(lèi)算法——網(wǎng)絡(luò)入侵聚類(lèi)第26章 粒子群優(yōu)化算法的尋優(yōu)算法——非線性函數(shù)極值尋優(yōu)第27章 遺傳算法優(yōu)化計(jì)算——建模自變量降維第28章 基于灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)算法研究——訂單需求預(yù)測(cè)第29章 基于Kohonen網(wǎng)絡(luò)的聚類(lèi)算法——網(wǎng)絡(luò)入侵聚類(lèi)第30章 神經(jīng)網(wǎng)絡(luò)GUI的實(shí)現(xiàn)——基于GUI的神經(jīng)網(wǎng)絡(luò)擬合、模式識(shí)別、聚類(lèi)

章節(jié)摘錄

　　Adaboost算法的思想是合并多個(gè)“弱”分類(lèi)器的輸出以產(chǎn)生有效分類(lèi)。其主要步驟為：首先給出弱學(xué)習(xí)算法和樣本空間（z，y），從樣本空間中找出m組訓(xùn)練數(shù)據(jù)，每組訓(xùn)練數(shù)據(jù)的權(quán)重都是1／m。然后用弱學(xué)習(xí)算法迭代運(yùn)算T次，每次運(yùn)算后都按照分類(lèi)結(jié)果更新訓(xùn)練數(shù)據(jù)權(quán)重分布，對(duì)于分類(lèi)失敗的訓(xùn)練個(gè)體賦予較大權(quán)重，下一次迭代運(yùn)算時(shí)更加關(guān)注這些訓(xùn)練個(gè)體。弱分類(lèi)器通過(guò)反復(fù)迭代得到一個(gè)分類(lèi)函數(shù)序列廠f1,f2,ft每個(gè)分類(lèi)函數(shù)賦予一個(gè)權(quán)重，分類(lèi)結(jié)果越好的函數(shù)，其對(duì)應(yīng)權(quán)重越大。T次迭代之后，最終強(qiáng)分類(lèi)函數(shù)F由弱分類(lèi)函數(shù)加權(quán)得到。BP-Adaboost模型即把BP神經(jīng)網(wǎng)絡(luò)作為弱分類(lèi)器，反復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)樣本輸出。通過(guò)Adaboost算法得到多個(gè)BP神經(jīng)網(wǎng)絡(luò)弱分類(lèi)器組成的強(qiáng)分類(lèi)器。　　5.1.2 公司財(cái)務(wù)預(yù)警系統(tǒng)介紹　　公司財(cái)務(wù)預(yù)警系統(tǒng)是為了防止公司財(cái)務(wù)系統(tǒng)運(yùn)行偏離預(yù)期目標(biāo)而建立的報(bào)警系統(tǒng)，具有針對(duì)性和預(yù)測(cè)性等特點(diǎn)。它通過(guò)公司的各項(xiàng)指標(biāo)綜合評(píng)價(jià)并預(yù)測(cè)公司財(cái)務(wù)狀況、發(fā)展趨勢(shì)和變化，為決策者科學(xué)決策提供智力支持?！　∝?cái)務(wù)危機(jī)預(yù)警指標(biāo)體系中的指標(biāo)可分為表內(nèi)信息指標(biāo)、盈利能力指標(biāo)、償還能力指標(biāo)、成長(zhǎng)能力指標(biāo)、線性流量指標(biāo)和表外信息指標(biāo)六大指標(biāo)，每項(xiàng)大指標(biāo)又分為若干小指標(biāo)，如盈利能力指標(biāo)又可分為凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率、每股收益、主營(yíng)業(yè)務(wù)利潤(rùn)率和成本費(fèi)用利潤(rùn)率等。在用于公司財(cái)務(wù)預(yù)警預(yù)測(cè)時(shí)，如果對(duì)所有指標(biāo)都進(jìn)行評(píng)價(jià)后綜合，模型過(guò)于復(fù)雜，并且各指標(biāo)間相關(guān)性較強(qiáng)，因此在模型建立前需要篩選指標(biāo)。

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)30個(gè)案例分析 PDF格式下載

---