本书以MATLAB R2016a为平台编写。全书共分28个案例，主要介绍神经网络工具箱函数、前向型神经网络、反馈型神经网络、竞争型神经网络、神经网络的控制系统预测及诊断、神经网络图形用户接口、神经网络的Simulink、自定义神经网络等内容，可使读者全面了解MATLAB在神经网络中的应用。
本书可以作为广大科研人员、学者、工程技术人员的参考用书，也可以作为高等理工科院校电子信息、通信工程及自动控制等学科的本科生与研究生的学习用书。
本书是精通MATLAB丛书之一，以MATLAB R2016a为平台编写，通过28个案例介绍MATLAB在神经网络中的应用，应用性强，实用价值高。本书提供所有程序源代码。精通MATLAB相关书目如下：（1）MATLAB 8.X实战指南（2）数字图像处理高级应用基于MATLAB和CUDA的实现（第2版）（3）MATLAB通信系统建模与仿真（4）MATLAB R2015a数字图像处理（5）MATLAB R2015b数学建模（6）MATLAB R2015a小波分析（7）MATLAB R2015b神经网络技术（8）MATLAB R2015b*化计算（9）MATLAB R2015b概率与数理统计（10）MATLAB R2015b数值计算方法（11）MATLAB R2016a智能计算25个案例分析（12）MATLAB R2016a在电子信息工程中仿真案例分析（13）MATLAB R2016a神经网络设计与应用28个案例分析
前言
人工神经网络(Artificial Neural Network，ANN)也简称为神经网络(NN)或连接模型(Connectionist
Model)，是对人脑或自然神经网络(Natural Neural Network)若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。国际著名的神经网络研究专家、第一家神经计算机公司的创立者Hecht Nielsen给人工神经网络下的定义是：
人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态响应而进行信息处理。这一定义是恰当的。
目前神经网络研究方法已形成多个流派，最富有成果的研究工作包括多层网络BP算法、Hopfield网络模型、自适应共振理论、自组织特征映射理论等。人工神经网络是在现代神经科学的基础上提出来的。它虽然反映了人脑功能的基本特征，但远不是自然神经网络的逼真描写，而只是它的某种简化抽象和模拟。
MATLAB中所搭配的Neural Network
Toolbox，将神经网络领域研究的成果完整覆盖，它以人工神经网络理论为基础，用MATLAB语言构造出典型神经网络的激活函数，如S型、线性、竞争层、饱和线性等激活函数，使设计者对所选定网络输出的计算变成对激活函数的调用。另外，根据各种典型的修正网络权值的规则，加上网络的训练过程，用MATLAB编写出各种网络设计与训练的子程序，网络的设计者则可以根据自己的需要去调用工具箱中有关神经网络的设计训练程序，使自己能够从烦琐的编程中解脱出来，集中精力去思考问题和解决问题，从而提高效率和解题质量。
本书结合神经网络设计应用的实例，详细介绍了MATLAB在神经网络分析、设计中的方法与过程。本书具有以下特点：
(1) 内容翔实，实用性强，书中每介绍一个案例都给出了详细说明，使读者能快速掌握MATLAB在具体案例中的应用。
(2) 书中大量的例题均选自国内高校广泛使用的神经网络设计应用的经典案例，极具典型性与参考价值，还可供读者上机进行实践训练或实验使用。
(3) 文字叙述清楚，概念阐述准确，深入浅出，通俗易懂，方便自学。
全书分为28章，其主要内容概述如下：
线性神经网络的工程应用；
神经网络预测的实例分析；
BP网络算法分析与工程应用；
神经网络算法分析与实现；
预测控制算法分析与实现；
改进的广义预测控制算法分析与实现；
SOFM网络算法分析与应用；
几种网络算法分析与应用；
Hopfield网络算法分析与实现；
学习向量量化与对向传播网络算法分析与实现；
NARMAL2控制算法分析与实现；
神经网络工具箱函数及其应用；
Simulink神经网络设计；
BP神经元模型与应用案例；
自适应共振网络算法分析与应用等。
本书主要由方清城编写，参加编写的还有张基荣、陈华林、林彦佳、廖文辉、栾颖、周品、曾虹雁、邓俊辉、陈添威、邓耀隆、高永崇、李嘉乐、李锦涛、梁朗星、梁志成、许兴杰、赵书兰、张金林。
本书可以作为广大科研人员、学者、工程技术人员的参考用书，也可以作为高等院校电子信息、通信工程及自动控制等学科的本科生与研究生的学习用书。
由于时间仓促，加之作者水平有限，所以书中疏漏之处在所难免。在此，诚恳地期望得到各领域的专家和广大读者的批评指正。
作者
2017年9月
目录
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
第24章神经网络工具箱函数分析与应用
24.1权值和阈值初始化函数
24.2训练和自适应调整函数
第25章自组织竞争网络算法分析与应用
25.1自组织竞争网络结构
25.2自组织竞争网络学习规则
25.2.1Kohonen权值学习规则
25.2.2阈值学习规则
25.3网络训练
25.4竞争型网络存在的问题
25.5竞争型网络的工程应用
第26章小波神经网络在交通流量预测中的应用
26.1小波变换概述
26.2小波神经网络的定义
26.3小波神经网络的理论
26.4小波神经网络的结构
26.5小波神经网络用于交通流量预测
第27章模糊神经网络算法分析与应用
27.1模糊神经网络
27.2几种常用模型的模糊神经网络
27.2.1Mamdani模型模糊神经网络
27.2.2TakagiSugeno模型模糊神经网络
27.2.3模糊神经网络的函数
27.2.4模糊神经网络的应用
27.2.5神经模糊系统的图形界面
第28章感知器网络工具箱函数及其应用
28.1创建函数
28.2初始化函数
28.3显示函数
28.4仿真函数
28.5性能函数
28.6训练函数
28.7学习函数
28.8传递函数
附录AMATLAB R2016a安装说明
参考文献
新书资讯