MATLAB神经网络仿真与应用

第1章 神经网络绪论
　1.1 人工神经网络的介绍
　1.2 神经网络的发展历程
　　1.2.1 神经网络的起始
　　1.2.2 神经网络的萧条
　　1.2.3 神经网络兴盛
　1.3 神经网络模型
　　1.3.1 生物神经元模块
　　1.3.2 人工神经元模型
　1.4 人工神经网络的分类
　1.5 神经网络的学习方式
　1.6 神经网络的特点及优点
　　1.6.1 神经网络特点
　　1.6.2 神经网络的优点
　1.7 神经网络的结构
　1.8 人工神经网络与人工智能
　　1.8.1 人工智能的概述
　　1.8.2 人工神经网络的应用
　　1.8.3 人工神经网络与人工智能相比较
第2章 MATLAB语言及神经元
　2.1 MATLAB简介
　2.2 MATLAB的语言特点
　2.3 MATLAB 7.2的新特点
　2.4 MATLAB神经网络工具箱
　　2.4.1 MATLAB 6.x神经网络工具箱
　　2.4.2 MATLAB 7.x神经网络工具箱
　2.5 MATLAB神经网络工具箱的对象与属性
　　2.5.1 网络对象属性
　　2.5.2 子对象属性
第3章 神经网络工具箱函数的分析及实例
　3.1 神经网络的构建函数
　3.2 神经网络的应用函数
　3.3 权值和阈值初始化函数
　3.4 训练和自适应调整函数
　3.5 神经网络的学习函数
　3.6 神经网络的输入函数及其导函数
　　3.6.1 输入函数
　　3.6.2 输入函数的导函数
　3.7 神经网络的性能函数及其导函数
　　3.7.1 性能函数
　　3.7.2 性能函数的导函数
　3.8 传递函数及其导函数
　　3.8.1 传递函数
　　3.8.2 传递函数的导函数
　3.9 距离函数
　3.10 权值函数及其导函数
　　3.10.1 权值函数
　　3.10.2 权值函数的导函数
　3.11 结构函数
　3.12 分析函数
　3.13 转换函数
　3.14 绘图函数
　3.15 数据预处理和后处理函数
第4章 前向型神经网络及MATLAB应用举例
　4.1 感知器
　　4.1.1 单层感知器模型
　　4.1.2 单层感知器的学习算法
　　4.1.3 感知器的局限性
　　4.1.4 单层感知器神经网络的MATLAB仿真
　　4.1.5 多层感知器神经网络及其MATLAB仿真
　　4.1.6 用于线性分类问题的进一步讨论
　4.2 线性神经网络
　　4.2.1 线性神经网络结构
　　4.2.2 线性神经网络设计
　　4.2.3 自适应滤波线性神经网络
　　4.2.4 线性神经网络的局限性
　　4.2.5 线性神经网络的MATLAB应用举例
　4.3 BP网络
　　4.3.1 BP神经元及其模型
　　4.3.2 BP网络的学习
　　4.3.3 BP网络的局限性
　　4.3.4 BP网络的MATLAB程序应用举例
　4.4 径向基网络
　　4.4.1 径向基函数网络模型
　　4.4.2 径向基函数网络的构建
　　4.4.3 RBF网络应用实例
　　4.4.4 RBF网络的非线性滤波
　4.5 GMDH网络
　　4.5.1 GMDH网络理论
　　4.5.2 GMDH网络的训练
　　4.5.3 基于GMDH网络的预测
第5章 自组织神经网络及MATLAB程序
　5.1 自组织竞争型神经网络
　　5.1.1 竞争型神经网络模型
　　5.1.2 竞争型神经网络的学习
　　5.1.3 竞争型神经网络存在的问题
　　5.1.4 竞争型神经网络的MATLAB程序
　5.2 自组织特征映射神经网络
　　5.2.1 特征映射网络的模型
　　5.2.2 特征映射网络的学习
　　5.2.3 基于特征映射网络的人口分类
　5.3 自适应共振理论
　　5.3.1 自适应共振理论模型
　　5.3.2 自适应共振理论的学习
　　5.3.3 自适应共振理论的MATLAB程序
　5.4 学习矢量量化神经网络
　　5.4.1 学习矢量量化的神经网络模型
　　5.4.2 学习矢量量化神经网络的学习
　　5.4.3 LVQ1学习算法的改进
　　5.4.4 LVQ神经网络的MATLAB程序
　5.5 对向传播网络
　　5.5.1 对向传播网络简介
　　5.5.2 对向传播网络的MATLAB程序
第6章 反馈神经网络及其应用
第7章 图形用户接口
第8章 Simulink
第9章 自定义神经网络
第10章 神经网络的应用
参考文献