MATLAB R2020a神经网络典型案例分析

本书既可以作为相关专业本科生和研究生的学习用书，也可以作为广大科研人员、学者、工程技术人员的参考用书。

目录

章 MATLAB R2020a基础 1
1.1 MATLAB的功能 1
1.1.1 MATLAB的基本功能 1
1.1.2 MATLAB的重要功能 2
1.2 MATLAB的特点 2
1.3 MATLAB的发展史 4
1.4 MATLAB R2020a的新功能 5
1.5 MATLAB的启动 6
1.6 MATLAB的语言基础 6
1.6.1 常量和变量 7
1.6.2 运算符 8
1.7 MATLAB的工具箱 9
1.7.1 符号计算工具箱 9
1.7.2 统计工具箱 9
1.7.3 最优化工具箱 9
1.8 MATLAB的帮助系统 10
1.8.1 命令行帮助 10
1.8.2 帮助导航/浏览器 11
1.8.3 DEMO帮助系统 11
1.8.4 网络资源帮助 13
第2章 神经网络概述 14
2.1 神经网络的相关概念 14
2.1.1 生物神经元 14
2.1.2 生物神经元的信息处理机制 15
2.1.3 人工神经元的模型 17
2.2 神经网络的发展史 18
2.3 神经网络的研究方向 19
2.4 神经网络的基本特征和主要功能 20
2.5 神经网络的特点和优越性 21
2.6 神经网络的学习方法 21
2.7 神经网络的应用 22
2.8 神经网络的工具箱 22
2.8.1 神经网络工具箱函数 22
2.8.2 神经网络的对象与属性 26
第3章 感知器及其应用 33
3.1 感知器典型案例分析 33
3.2 单层感知器 39
3.2.1 单层感知器的结构 39
3.2.2 单层感知器的功能 40
3.2.3 感知器的学习 42
3.2.4 感知器的训练 42
3.2.5 使用单层感知器解决逻辑运算 43
3.3 多层感知器 44
3.3.1 多层感知器的模型 44
3.3.2 多层感知器的设计 45
3.4 感知器的局限性 46
3.5 感知器网络的工具箱函数 46
3.5.1 创建函数 46
3.5.2 训练函数 47
3.5.3 网络仿真 50
3.5.4 传递函数 50
3.5.5 初始化函数 51
3.5.6 自适应函数 52
3.5.7 性能函数 53
3.5.8 学习函数 55
3.5.9 显示函数 56
3.6 感知器的应用 58
第4章 线性神经网络及其应用 68
4.1 线性神经网络典型案例分析 68
4.2 线性神经网络概述 71
4.2.1 线性神经元的结构 72
4.2.2 初始化线性神经网络 74
4.2.3 网络的学习规则 74
4.2.4 学习率的选择 76
4.2.5 自适应线性滤波 77
4.2.6 网络的训练 78
4.3 线性神经网络工具箱函数 79
4.3.1 创建函数 79
4.3.2 学习函数 83
4.3.3 传递函数 86
4.3.4 初始化函数 86
4.3.5 性能函数 87
4.4 网络的局限性 87
4.4.1 相关向量 88
4.4.2 学习率过大 89
4.5 线性神经网络的应用 91
第5章 BP神经网络及其应用 100
5.1 BP神经网络典型案例分析 100
5.2 BP神经网络概述 102
5.2.1 BP神经网络的结构 103
5.2.2 神经元模型 103
5.3 BP神经网络算法 105
5.3.1 梯度下降法 105
5.3.2 最速下降BP算法 106
5.3.3 动量BP算法 108
5.3.4 VLBP算法 112
5.3.5 拟牛顿算法 114
5.3.6 RPROP算法 114
5.3.7 LM算法 115
5.3.8 CGBP算法 116
5.4 BP神经网络的设计 117
5.5 BP神经网络的局限性 120
5.6 BP神经网络工具箱函数 120
5.6.1 创建函数 120
5.6.2 传递函数 124
5.6.3 学习函数 126
5.6.4 训练函数 127
5.6.5 性能函数 131
5.6.6 显示函数 132
5.7 BP神经网络的应用 134
第6章 RBF神经网络及其应用 155
6.1 RBF神经网络典型案例分析 155
6.2 RBF神经网络概述 157
6.2.1 径向基函数 158
6.2.2 正则化RBF神经网络 160
6.2.3 广义RBF神经网络 161
6.3 RBF神经网络的学习算法 162
6.3.1 随机选取中心法 163
6.3.2 自组织选取中心法 163
6.3.3 有监督选取中心法 164
6.3.4 正交最小二乘法 165
6.4 RBF神经网络的函数 166
6.4.1 创建函数 167
6.4.2 径向基传递函数 169
6.4.3 转换函数 170
6.4.4 权函数 171
6.4.5 输入函数 174
6.4.6 竞争传递函数 174
6.5 RBF神经网络的优点和缺点 175
6.5.1 RBF神经网络的优点 175
6.5.2 RBF神经网络的缺点 176
6.6 径向基函数的应用 176
6.7 RBF神经网络在控制领域中的应用 183
6.7.1 RBF神经网络在网络监督中的应用 183
6.7.2 RBF自校正控制 186
6.8 广义回归神经网络 190
6.8.1 GRNN的结构 190
6.8.2 GRNN的实现 191
6.9 概率神经网络 194
第7章 反馈神经网络及其应用 199
7.1 反馈神经网络典型案例分析 199
7.2 Hopfield神经网络 203
7.2.1 单层全反馈型神经网络 204
7.2.2 状态轨迹 204
7.2.3 状态轨迹发散 205
7.3 离散型Hopfield神经网络 206
7.3.1 离散型Hopfield神经网络的结构 206
7.3.2 离散型Hopfield神经网络的稳定性 207
7.3.3 离散型Hopfield神经网络的设计 211
7.4 连续型Hopfield神经网络 212
7.4.1 连续型Hopfield神经网络的稳定性 213
7.4.2 连续型Hopfield神经网络的特点 214
7.4.3 连续型Hopfield神经网络求解TSP问题 214
7.5 Elman神经网络 220
7.5.1 Elman神经网络的结构 220
7.5.2 Elman神经网络的学习算法 220
7.5.3 Elman神经网络权值的稳定性 221
7.5.4 对角递归稳定学习率的确定 223
7.6 反馈神经网络工具箱函数 223
7.6.1 创建函数 223
7.6.2 传递函数 229
7.7 反馈神经网络的应用 230
第8章 自组织竞争神经网络及其应用 244
8.1 自组织竞争神经网络案例分析 244
8.2 竞争神经网络 247
8.2.1 竞争神经网络的结构 248
8.2.2 竞争神经网络的学习算法 248
8.2.3 竞争神经网络存在的问题 252
8.3 SOM神经网络 253
8.3.1 SOM神经网络的特点 253
8.3.2 SOM神经网络的基本原理 254
8.3.3 SOM神经网络的拓扑结构 254
8.3.4 SOM神经网络算法 255
8.3.5 SOM神经网络的训练过程 257
8.4 LVQ神经网络 258
8.4.1 LVQ神经网络的结构 258
8.4.2 LVQ1算法的基本步骤 260
8.4.3 LVQ2算法的基本步骤 261
8.5 自组织竞争神经网络工具箱函数 262
8.5.1 创建函数 262
8.5.2 学习函数 268
8.5.3 传递函数 274
8.5.4 距离函数 275
8.5.5 归一化函数 278
8.5.6 初始化函数 280
8.5.7 拓扑函数 280
8.5.8 训练函数 282
8.5.9 权值函数 282
8.5.10 显示函数 283
8.6 自组织竞争神经网络的应用 284
第9章 其他神经网络及其应用 301
9.1 盒中脑神经网络 301
9.2 随机神经网络 304
9.2.1 模拟退火算法的原理 304
9.2.2 BM网络的结构 304
9.2.3 BM网络的规则 305
9.2.4 模拟退火算法的特点 306
9.2.5 模拟退火算法的相关函数 306
9.2.6 BM网络的应用 311
9.3 对偶传播神经网络 316
9.3.1 CPN网络概述 317
9.3.2 CPN网络的功能分析 317
9.3.3 CPN网络的应用 318
9.4 小波神经网络 322
9.4.1 小波理论 322
9.4.2 小波神经网络概述 323
9.4.3 小波神经网络的应用 325
9.5 模糊神经网络 329
9.5.1 模糊数学知识 329
9.5.2 模糊逻辑系统 330
9.5.3 T-S模糊神经网络 332
9.5.4 T-S模糊神经网络学习算法 333
9.5.5 模糊神经网络的应用 335
9.6 混沌神经网络 342
9.6.1 混沌神经网络的发展 342
9.6.2 混沌神经网络的模型 343
9.6.3 混沌通信技术 346
9.6.4 混沌神经网络的应用 347
0章 神经网络的GUI应用 353
10.1 神经网络工具 353
10.2 神经网络工具的GUI应用 358
10.3 拟合工具的GUI应用 360
10.4 分类/聚类工具的GUI应用 366
10.5 模式识别工具的GUI应用 373
10.6 时间序列工具的GUI应用 380
1章 神经网络的经典应用 387
11.1 实现图像压缩 387
11.1.1 案例背景 387
11.1.2 BP神经网络压缩建模 387
11.1.3 BP神经网络压缩的实现 390
11.2 预测地下水水位 394
11.2.1 案例背景 395
11.2.2 神经网络的建模 395
11.2.3 RBF神经网络预测的实现 396
11.3 BP_Adaboost设计公司账务预警 399
11.3.1 Adaboost算法 399
11.3.2 Adaboost模型 400
11.3.3 账务预警系统介绍 400
11.3.4 建立预警模型 400
11.3.5 利用BP_Adaboost模型实现公司账务预警 401
11.4 概率神经网络在遥感图像中的应用 406
11.5 PID神经网络控制 411
11.6 自组织竞争神经网络的应用 418
11.6.1 在分类中的应用 418
11.6.2 在估计中的应用 420
参考文献 424