目 录
第1章 RBF神经网络的实际应用\t1
1．1 用于曲线拟合的RBF神经网络\t1
1．2 径向基网络实现非线性函数回归\t10
1．3 CRNN网络应用\t13
1．4 PNN网络应用\t15
1．5 RBF神经网络的优缺点\t19
第2章 SOM网络算法分析与应用\t22
2．1 SOM网络的生物学基础\t22
2．2 SOM网络的拓扑结构\t22
2．3 SOM网络的权值调整\t23
2．4 SOM网络的MATLAB实现\t26
2．5 SOM网络的应用\t33
第3章 线性网络的实际应用\t45
3．1 线性化建模\t45
3．2 模式分类\t50
3．3 消噪处理\t51
3．4 系统辨识\t54
3．5 系统预测\t55
第4章 BP网络算法分析与应用\t61
4．1 BP网络模型\t61
4．2 BP网络学习算法\t62
4．2．1 BP网络学习算法\t62
4．2．2 BP网络学习算法的比较\t67
4．3 BP神经网络特点\t68
4．4 BP网络功能\t68
4．5 BP网络实例分析\t68
第5章 神经网络在选址与地震预测中的应用\t78
5．1 配送中心选址\t78
5．2 地震预报\t81
5．2．1 问题概述\t82
5．2．2 网络设计\t83
5．2．3 网络训练与测试\t83
5．2．4 网络实现\t88
第6章 模糊神经网络的算法分析与实现\t91
6．1 模糊神经网络的形式\t91
6．2 神经网络和模糊控制结合的优点\t92
6．3 神经模糊控制器\t92
6．4 神经模糊控制器的学习算法\t95
6．5 模糊神经网络MATLAB函数\t97
6．5．1 模糊神经系统的建模函数\t97
6．5．2 采用网格分割方式生成模糊推理系统函数\t102
6．6 MATLAB模糊神经推理系统的图形用户界面\t103
第7章 BP网络的典型应用\t107
7．1 数据归一化方法\t107
7．2 提前终止法\t109
7．3 BP网络的局限性\t111
7．4 BP网络典型应用\t112
7．4．1 用BP网络估计胆固醇含量\t112
7．4．2 线性神经网络在信号预测中的应用\t115
第8章 线性神经网络算法分析与实现\t120
8．1 线性神经网络工具箱函数\t120
8．1．1 创建函数\t120
8．1．2 学习函数\t122
8．1．3 性能函数\t124
8．2 线性神经网络模型及结构\t125
8．3 线性神经网络的学习算法与训练\t126
8．3．1 线性神经网络的学习算法\t126
8．3．2 线性神经网络的训练\t128
8．4 线性神经网络的滤波器\t130
第9章 感知器网络算法分析与实现\t133
9．1 单层感知器\t133
9．1．1 单层感知器模型\t133
9．1．2 单层感知器功能\t134
9．1．3 单层感知器结构\t136
9．1．4 单层感知器学习算法\t137
9．1．5 单层感知器训练\t138
9．1．6 单层感知器局限性\t139
9．1．7 单层感知器的MATLAB实现\t140
9．2 多层感知器\t147
9．2．1 多层感知器模型\t147
9．2．2 多层感知器设计方法\t147
9．2．3 多层感知器的MATLAB实现\t148
第10章 神经网络工具箱函数分析与应用\t153
10．1 神经网络仿真函数\t153
10．2 神经网络训练函数\t155
10．2．1 train\t156
10．2．2 trainb函数\t156
10．3 神经网络学习函数\t158
10．4 神经网络初始函数\t161
10．5 神经网络输入函数\t163
10．6 神经网络的传递函数\t165
10．7 神经网络求点积函数\t168
第11章 BM网络与BSB网络算法分析与实现\t169
11．1 Boltzmann神经网络\t169
11．1．1 BM网络的基本结构\t169
11．1．2 BM模型的学习\t169
11．1．3 BM网络的实现\t172
11．2 BSB神经网络\t174
第12章 感知器网络工具箱函数及其应用\t177
12．1 创建函数\t177
12．2 显示函数\t180
12．3 性能函数\t181
第13章 RBF神经网络算法分析与应用\t186
13．1 RBF神经网络模型\t186
13．2 RBF网的数学基础\t188
13．2．1 内插问题\t188
13．2．2 正则化网络\t189
13．3 RBF神经网络的学习算法\t190
13．3．1 自组织选取中心法\t190
13．3．2 梯度训练方法\t191
13．3．3 正交最小二乘（OLS）学习算法\t192
13．4 其他RBF神经网络\t193
13．4．1 广义回归神经网络\t193
13．4．2 泛化回归神经网络\t194
13．4．3 概率神经网络\t195
13．5 RBF神经网络MATLAB函数\t196
13．5．1 创建函数\t196
13．5．2 权函数\t199
13．5．3 输入函数\t200
13．5．4 传递函数\t201
13．5．5 mse函数\t201
13．5．6 变换函数\t202
第14章 Simulink神经网络应用\t204
14．1 Simulink神经网络仿真模型库\t204
14．2 Simulink神经网络应用\t208
第15章 ART网络与CP网络算法分析与应用\t213
15．1 ART-1型网络\t213
15．1．1 ART-1型网络结构\t213
15．1．2 ART-1网络学习过程\t215
15．1．3 ART-1网络的应用\t216
15．2 ART-2型网络\t218
15．2．1 网络结构与运行原理\t219
15．2．2 网络的数学模型与学习算法\t220
15．2．3 ART-2型网络在系统辨识中的应用\t222
15．3 CP神经网络概述\t223
15．3．1 CP网络学习\t224
15．3．2 CP网络应用\t225
第16章 Hopfield网络算法分析与实现\t231
16．1 Hopfield神经网络\t231
16．1．1 离散型Hopfield网络\t231
16．1．2 DHNN的动力学稳定性\t234
16．1．3 网络权值的学习\t236
16．1．4 联想记忆功能\t239
16．2 连续型Hopfield网络\t240
16．3 Hopfield神经网络的应用\t242
16．3．1 Hopfield神经网络函数\t242
16．3．2 Hopfield神经网络的应用\t245
第17章 LVQ网络算法分析与应用\t259
17．1 LVQ神经网络的结构\t259
17．2 LVQ神经网络的学习算法\t260
17．2．1 LVQ1算法\t260
17．2．2 LVQ2算法\t260
17．3 LVQ神经网络的特点\t261
17．4 LVQ神经网络的MATLAB函数\t262
17．5 LVQ神经网络的应用\t264
第18章 自组织网络算法分析与实现\t269
18．1 竞争学习的概念\t270
18．2 竞争学习规则\t271
18．3 竞争学习原理\t272
18．4 竞争神经网络MATLAB实现\t275
18．5 竞争型神经网络存在的问题\t279
第19章 Elman网络算法分析与应用\t280
19．1 Elman神经网络结构\t280
19．2 Elman神经网络权值修正的学习算法\t281
19．3 Elman网络稳定性推导\t282
19．4 对角递归网络稳定时学习速率的确定\t283
19．5 Elman神经网络在数据预测中的应用\t284
第20章 BP网络工具箱函数及其应用\t288
20．1 创建函数\t289
20．2 传递函数\t291
20．3 学习函数\t293
20．4 训练函数\t294
20．5 性能函数\t297
20．6 显示函数\t298
第21章 神经网络在实际案例中的应用\t300
21．1 农作物虫情预测\t300
21．1．1 虫情预测原理\t300
21．1．2 网络实现\t301
21．2 人脸识别\t304
21．2．1 模型建立\t305
21．2．2 网络实现\t306
第22章 神经网络工具箱函数分析与应用\t310
22．1 神经网络的构建函数\t310
22．2 神经网络的应用函数\t324
第23章 线性神经网络算法分析与设计\t330
23．1 线性神经网络结构\t330
23．2 线性神经网络设计\t331
23．3 自适应滤波线性神经网络\t333
23．4 线性神经网络的局限性\t335
23．5 线性神经网络的MATLAB应用举例\t336
第24章 神经网络工具箱函数及实例分析\t342
24．1 传递函数及其导函数\t342
24．1．1 传递函数\t342
24．1．2 传递函数的导函数\t349
24．2 距离函数\t354
24．3 权值函数及其导函数\t356
24．3．1 权值函数\t357
24．3．2 权值函数的导函数\t358
24．4 结构函数\t359
24．5 分析函数\t361
24．6 转换函数\t362
24．7 绘图函数\t368
24．8 数据预处理和后处理函数\t375
第25章 神经网络的工程应用\t383
25．1 线性神经网络在线性预测中的应用\t383
25．2 神经模糊控制在洗衣机中的应用\t385
25．2．1 洗衣机的模糊控制\t385
25．2．2 洗衣机的神经网络模糊控制器的设计\t387
25．3 模糊神经网络在配送中心选址中的应用\t391
25．4 Elman神经网络在信号检测中的应用\t394
25．5 神经网络在噪声抵消系统中的应用\t397
25．5．1 自适应噪声抵消原理\t397
25．5．2 噪声抵消系统的MATLAB仿真\t399
第26章 神经网络算法分析与工具箱应用\t402
26．1 网络对象属性\t404
26．1．1 结构属性\t404
26．1．2 子对象结构属性\t408
26．1．3 函数属性\t411
26．1．4 权值和阈值\t413
26．1．5 参数属性\t415
26．1．6 其他属性\t415
26．2 子对象属性\t416
26．2．1 输入向量\t416
26．2．2 网络层\t417
26．2．3 输出向量\t422
26．2．4 阈值向量\t422
26．2．5 输入权值向量\t424
26．2．6 目标向量\t427
26．2．7 网络层权值向量\t428
第27章 自定义函数及其应用\t432
27．1 初始化函数\t432
27．2 学习函数\t435
27．3 仿真函数\t440
27．3．1 传递函数\t440
27．3．2 传递函数导数函数\t443
27．3．3 网络输入函数\t444
27．3．4 网络输入导函数\t446
27．3．5 权值函数\t448
27．3．6 权值导数函数\t450
27．4 自组织函数\t452
27．4．1 拓扑函数\t452
27．4．2 距离函数\t454
参考文献\t456
鄂公网安备 42010302001612号 