定 价:¥99.00
作 者: | 方清城 |
出版社: | 清华大学出版社 |
丛编项: | |
标 签: | 暂缺 |
ISBN: | 9787302477884 | 出版时间: | 2017-12-01 | 包装: | |
开本: | 16开 | 页数: | 437 | 字数: |
第1章线性神经网络的工程应用
1.1系统辨识的MATLAB实现
1.2自适应系统辨识的MATLAB实现
1.3线性系统预测的MATLAB实现
1.4线性神经网络用于消噪处理的MATLAB实现
第2章神经网络预测的实例分析
2.1地震预报的MATLAB实现
2.1.1概述
2.1.2地震预报的MATLAB实例分析
2.2交通运输能力预测的MATLAB实现
2.2.1概述
2.2.2交通运输能力预测的MATLAB实例分析
2.3农作物虫情预测的MATLAB实现
2.3.1概述
2.3.2农作物虫情预测的MATLAB实例分析
2.4基于概率神经网络的故障诊断
2.4.1概述
2.4.2基于PNN的故障诊断实例分析
2.5基于BP网络和Elman网络的齿轮箱故障诊断
2.5.1概述
2.5.2基于BP网络的齿轮箱故障诊断实例分析
2.5.3基于Elman网络的齿轮箱故障诊断实例分析
2.6基于RBF网络的船用柴油机故障诊断
2.6.1概述
2.6.2基于RBF网络的船用柴油机故障诊断实例分析
第3章BP网络算法分析与工程应用
3.1数值优化的BP网络训练算法
3.1.1拟牛顿法
3.1.2共轭梯度法
3.1.3LevenbergMarquardt法
3.2BP网络的工程应用
3.2.1BP网络在分类中的应用
3.2.2函数逼近
3.2.3BP网络用于胆固醇含量的估计
3.2.4模式识别
第4章神经网络算法分析与实现
4.1Elman神经网络
4.1.1Elman神经网络结构
4.1.2Elman神经网络的训练
4.1.3Elman神经网络的MATLAB实现
4.2Boltzmann机网络
4.2.1BM网络结构
4.2.2BM网络的规则
4.2.3用BM网络解TSP
4.2.4BM网络的MATLAB实现
4.3BSB模型
4.3.1BSB神经模型概述
4.3.2BSB的MATLAB实现
第5章预测控制算法分析与实现
5.1系统辨识
5.2自校正控制
5.2.1单步输出预测
5.2.2最小方差控制
5.2.3最小方差间接自校正控制
5.2.4最小方差直接自校正控制
5.3自适应控制
5.3.1MIT自适应律
5.3.2MIT归一化算法
第6章改进的广义预测控制算法分析与实现
6.1预测控制
6.1.1基于CARIMA模型的JGPC
6.1.2基于CARMA模型的JGPC
6.2神经网络预测控制的MATLAB实现
第7章SOFM网络算法分析与应用
7.1SOFM网络的生物学基础
7.2SOFM网络的拓扑结构
7.3SOFM网络学习算法
7.4SOFM网络的训练过程
7.5SOFM网络的MATLAB实现
7.6SOFM网络在实际工程中的应用
7.6.1SOFM网络在人口分类中的应用
7.6.2SOFM网络在土壤分类中的应用
第8章几种网络算法分析与应用
8.1竞争型神经网络的概念与原理
8.1.1竞争型神经网络的概念
8.1.2竞争型神经网络的原理
8.2几种联想学习规则
8.2.1内星学习规则
8.2.2外星学习规则
8.2.3科荷伦学习规则
第9章Hopfield神经网络算法分析与实现
9.1离散Hopfield神经网络
9.1.1网络的结构与工作方式
9.1.2吸引子与能量函数
9.1.3网络的权值设计
9.2连续Hopfield神经网络
9.3联想记忆
9.3.1联想记忆网络
9.3.2联想记忆网络的改进
9.4Hopfield神经网络的MATLAB实现
第10章学习向量量化与对向传播网络算法分析与实现
10.1学习向量量化网络
10.1.1LVQ网络模型
10.1.2LVQ网络学习算法
10.1.3LVQ网络学习的MATLAB实现
10.2对向传播网络
10.2.1对向传播网络概述
10.2.2CPN网络学习及规则
10.2.3对向传播网络的实际应用
第11章NARMAL2控制算法分析与实现
11.1反馈线性化控制系统原理
11.2反馈线性控制的MATLAB实现
11.3NARMAL2控制器原理及实例分析
11.3.1NARMAL2控制器原理
11.3.2NARMAL2控制器实例分析
第12章神经网络函数及其导函数
12.1神经网络的学习函数
12.2神经网络的输入函数及其导函数
12.3神经网络的性能函数及其导函数
12.3.1性能函数
12.3.2性能函数的导函数
第13章Simulink神经网络设计
13.1Simulink交互式仿真集成环境
13.1.1Simulink模型创建
13.1.2Simulink建模操作
13.1.3Simulink参数设置
13.1.4简单的Simulink例子
13.2Simulink神经网络模块
13.2.1传递函数模块库
13.2.2网络输入模块库
13.2.3权值设置模块库
13.2.4处理模块库
13.2.5控制系统模块库
13.3Simulink神经网络设计
13.3.1模型构建
13.3.2模型仿真
13.3.3修改信号源
第14章BP神经元模型与应用案例
14.1BP神经元及其模型
14.2BP网络的学习
14.2.1BP网络学习算法
14.2.2BP网络学习算法的比较
14.3BP网络的局限性
14.4BP网络的MATLAB程序应用举例
14.4.1BP网络设计的基本方法
14.4.2BP网络应用举例
第15章自适应共振网络算法分析与应用
15.1ART1网络
15.1.1网络系统结构
15.1.2ATR1网络运行过程
15.1.3ATR1学习算法
15.1.4ART1网络应用
15.2ART2网络
15.2.1网络结构与运行原理
15.2.2网络的数学模型与学习算法
15.2.3ART2网络在系统辨识中的应用
第16章径向基网络算法分析与应用
16.1正则化理论及正则化RBF网络
16.1.1正则化理论
16.1.2正则化RBF网络
16.2径向基神经网络结构
16.2.1径向基神经元模型
16.2.2径向基神经网络模型
16.3径向基神经网络学习
16.4径向基神经网络的工程应用
16.4.1函数逼近
16.4.2散布常数对径向基网络的影响
16.5广义回归神经网络
16.5.1GRNN网络结构
16.5.2GRNN网络工作原理
16.6概率神经网络
16.6.1PNN网络结构
16.6.2PNN网络工作原理
16.6.3应用PNN进行变量分类
第17章感知器算法分析与实现
17.1单层感知器模型
17.2单层感知器的学习算法
17.3感知器的局限性
17.4单层感知器神经网络的MATLAB仿真
17.4.1感知器神经网络设计的基本方法
17.4.2单层感知器神经网络的应用举例
17.5多层感知器神经网络及其MATLAB仿真
17.5.1多层感知器神经网络的设计方法
17.5.2多层感知器神经网络的应用举例
17.6用于线性分类问题的进一步讨论
17.6.1决策函数与决策边界
17.6.2感知器的决策函数与决策边界
第18章线性网络与BP网络工具箱函数及其应用
18.1线性神经网络工具箱函数
18.1.1创建函数及其应用
18.1.2学习函数及其应用
18.1.3性能函数及其应用
18.1.4权积函数及其应用
18.1.5初始化函数
18.2BP神经网络工具箱函数
18.2.1创建函数及其应用
18.2.2传递函数及其应用
18.2.3学习函数及其应用
18.2.4性能函数及其应用
18.2.5训练函数及其应用
18.2.6显示函数及其应用
第19章BP网络算法分析与实现
19.1BP神经网络模型
19.2BP神经网络算法
19.2.1SDBP算法
19.2.2MOBP算法
19.2.3VLBP算法
19.2.4RPROP算法
19.2.5CGBP算法
19.3BP网络设计
19.4BP神经网络局限性
19.5BP神经网络算法改进
19.5.1附加动量法
19.5.2有自适应lr的梯度下降法
19.5.3弹性梯度下降法
第20章自组织网络工具箱函数及其应用
20.1创建函数
20.2传递函数
20.3距离函数
20.4学习函数
20.5初始化函数
20.6训练函数
20.7显示函数
20.8权值函数
20.9结构函数
第21章线性网络算法分析与实现
21.1线性神经网络结构
21.2线性神经网络学习
21.3线性神经网络训练
21.4线性神经网络的MATLAB实现
21.5线性神经网络的局限性
21.5.1超定系统
21.5.2不定系统
21.5.3线性相关向量
21.5.4学习速率过大
第22章神经网络工具箱函数及其应用
22.1径向基神经网络工具箱函数
22.1.1创建函数
22.1.2变换函数
22.1.3传递函数
22.1.4距离函数
22.2Hopfield神经网络工具箱函数
22.2.1传输函数
22.2.2学习函数
22.3Elman神经网络工具箱函数
22.4学习向量量化网络工具箱函数
22.4.1创建函数
22.4.2显示函数
第23章感知器网络算法分析与实现
23.1单层感知器
23.1.1单层感知器模型
23.1.2感知器功能
23.1.3网络结构
23.1.4感知器算法
23.1.5网络的训练
23.1.6单层感知器实现
23.1.7感知器局限性
23.2多层感知器
23.2.1多层感知器介绍
23.2.2多层感知器实现
23.3感知器神经网络的MATLAB实现