MATLAB精品丛书 精通MATLAB神经网络

精通MATLAB神经网络  
作者：朱凯，王正林 编著 
出版时间：2010年版 
丛编项：MATLAB精品丛书 
内容简介 
　　《精通MATLAB神经网络》由MATLAB入门篇、神经网络提高篇和神经网络综合实战篇3篇组成。MATLAB入门篇主要介绍MATLAB软件、基本运算、图形绘制、程序设计和Simulink仿真；神经网络提高篇讲述神经网络的主要内容，包括神经网络工具箱和GUI工具，以及感知器、线性、BP、径向基、自组织、反馈等各种不同的神经网络，讲述各种神经网络的性能分析与直观的图形结果，使读者更加透彻地了解各种神经网络的性能及其优缺点，从而达到理解和应用神经网络的目的。 
目录 
第一篇　MATLAB入门篇 
第1章　MATLAB概述 2 
1.1　MATLAB的产生与发展 2 
1.2　MATLAB的优势与特点 2 
1.3　MATLAB系统的构成 4 
1.4　MATLAB桌面操作环境 5 
1.4.1　MATLAB启动和退出 5 
1.4.2　MATLAB主菜单及功能 6 
1.4.3　MATLAB命令窗口 9 
1.4.4　MATLAB工作空间 11 
1.4.5　M文件编辑/调试器 13 
1.4.6　图形窗口 14 
1.4.7　MATLAB文件管理 16 
1.4.8　MATLAB帮助 16 
1.5　MATLAB的工具箱 17 
1.6　小结 18 
第2章　MATLAB计算基础 19 
2.1　MATLAB数值类型 19 
2.2　关系运算和逻辑运算 21 
2.3　矩阵及其运算 22 
2.3.1　矩阵的创建 22 
2.3.2　矩阵的运算 24 
2.4　复数及其运算 25 
2.4.1　复数表示 25 
2.4.2　复数绘图 27 
2.4.3　复数操作函数 28 
2.5　符号运算 28 
2.5.1　符号运算概述 28 
2.5.2　常用的符号运算 30 
2.6　小结 33 
第3章　MATLAB绘图入门 34 
3.1　MATLAB中绘图的基本步骤 34 
3.2　在工作空间直接绘图 35 
3.3　利用绘图函数绘图 36 
3.3.1　二维图形 36 
3.3.2　三维图形 37 
3.4　图形的修饰 41 
3.5　小结 44 
第4章　MATLAB编程入门 45 
4.1　MATLAB编程概述 45 
4.2　MATLAB程序设计原则 46 
4.3　M文件 47 
4.4　MATLAB程序流程控制 49 
4.5　MATLAB中的函数及调用 52 
4.5.1　函数类型 52 
4.5.2　函数参数传递 55 
4.6　函数句柄 60 
4.7　MATLAB程序调试 61 
4.7.1　常见程序错误 61 
4.7.2　调试方法 64 
4.7.3　调试工具 64 
4.7.4　M文件分析工具 67 
4.7.5　Profiler分析工具 69 
4.8　MATLAB程序设计技巧 70 
4.8.1　嵌套计算 70 
4.8.2　循环计算 72 
4.8.3　使用例外处理机制 72 
4.8.4　使用全局变量 74 
4.8.5　通过varargin传递参数 76 
4.9　小结 77 
第5章　Simulink仿真入门 78 
5.1　Simulink仿真概述 78 
5.1.1　Simulink的启动与退出 78 
5.1.2　Simulink模块库 79 
5.2　Simulink仿真模型及仿真过程 84 
5.3　Simulink模块的处理 86 
5.3.1　Simulink模块参数设置 86 
5.3.2　Simulink模块基本操作 88 
5.3.3　Simulink模块连接 90 
5.4　Simulink仿真设置 92 
5.4.1　仿真器参数设置 92 
5.4.2　工作空间数据导入/导出 
5.4.2　设置 94 
5.5　Simulink仿真举例 95 
5.6　小结 98 
第二篇　神经网络提高篇 
第6章　MATLAB神经网络工具箱概述 100 
6.1　神经网络简介 100 
6.2　神经网络模型及训练 101 
6.2.1　生物神经元模型 101 
6.2.2　神经网络模型 102 
6.2.3　神经网络的训练 104 
6.2.4　神经网络的分类 105 
6.3　神经网络的应用 106 
6.4　神经网络工具箱简介 108 
6.4.1　工具箱的功能 108 
6.4.2　工具箱的新特性 108 
6.4.3　MATLAB中的神经网络 
6.4.3　数据结构 110 
6.4.4　工具箱函数简介 112 
6.5　小结 113 
第7章　MATLAB神经网络GUI工具 114 
7.1　基础GUI工具nntool 114 
7.1.1　网络创建 114 
7.1.2　网络训练 119 
7.1.3　网络仿真 121 
7.1.4　图形界面数据操作 122 
7.2　数据拟合GUI工具nftool 127 
7.3　模式识别GUI工具nprtool 131 
7.4　数据聚类GUI工具nctool 136 
7.5　小结 139 
第8章　感知器神经网络 140 
8.1　感知器神经网络结构 140 
8.1.1　感知器神经元模型 140 
8.1.2　单层感知器神经网络 
8.1.2　结构 141 
8.2　感知器学习规则 142 
8.2.1　感知器网络学习算法 143 
8.2.2　标准化感知器网络 
8.2.2　学习算法 144 
8.3　感知器网络的MATLAB实现 144 
8.3.1　感知器网络的生成 144 
8.3.2　感知器网络的仿真 146 
8.3.3　感知器网络的初始化 147 
8.3.4　感知器网络的学习和 
8.3.4　训练 148 
8.4　感知器网络的局限性 152 
8.4.1　单层感知器网络的 
8.4.1　局限性 152 
8.4.2　多层感知器神经网络 152 
8.5　感知器神经网络设计实例 153 
8.5.1　输入向量的二类划分 153 
8.5.2　奇异样本输入向量的 
8.5.2　训练 155 
8.5.3　标准化感知器学习规则 
8.5.3　实例 158 
8.5.4　线性不可分样本问题 159 
8.6　小结 161 
第9章　线性神经网络 162 
9.1　线性神经网络结构 162 
9.1.1　线性神经元模型 162 
9.1.2　线性神经网络结构 163 
9.2　线性滤波器 164 
9.3　线性神经网络学习规则 164 
9.3.1　均方误差 165 
9.3.2　LMS算法 165 
9.4　线性神经网络的MATLAB 
9.4　实现 166 
9.4.1　线性神经元生成 166 
9.4.2　线性神经网络生成 169 
9.4.3　线性滤波器生成 170 
9.4.4　线性神经网络训练 171 
9.5　线性网络的局限性 175 
9.5.1　非线性系统 175 
9.5.2　超定系统 178 
9.5.3　不定系统 178 
9.5.4　线性相关向量 181 
9.5.5　学习速率过大 183 
9.6　线性神经网络设计实例 185 
9.6.1　线性预测 185 
9.6.2　自适应滤波噪声抵消 187 
9.6.3　自适应滤波系统辨识 189 
9.7　小结 192 
第10章　BP神经网络 193 
10.1　BP神经网络结构 193 
10.1.1　BP网络神经元模型 193 
10.1.2　BP神经网络结构 194 
10.2　BP网络学习规则 195 
10.2.1　BP算法 195 
10.2.2　批处理学习算法 198 
10.3　BP网络的MATLAB实现 199 
10.3.1　BP网络的创建与仿真 199 
10.3.2　BP网络的训练 200 
10.4　BP网络的局限性 215 
10.5　BP神经网络设计实例 216 
10.5.1　函数逼近 216 
10.5.2　回归分析 218 
10.5.3　特征识别 220 
10.6　小结 224 
第11章　径向基神经网络 225 
11.1　基本径向基神经网络 225 
11.1.1　径向基网络神经元 
11.1.1　模型 225 
11.1.2　径向基神经网络结构 226 
11.2　概率神经网络 227 
11.3　广义回归神经网络 228 
11.4　径向基网络的MATLAB 
11.4　实现 229 
11.4.1　径向基神经网络的 
11.4.1　精确创建 230 
11.4.2　更有效的径向基神经 
11.4.2　网络创建 231 
11.4.3　概率神经网络的创建 231 
11.4.4　广义回归神经网络的 
11.4.4　创建 232 
11.5　径向基网络设计实例 233 
11.5.1　径向基网络函数逼近 233 
11.5.2　散布常数的影响之欠 
11.5.2　交叠情形 236 
11.5.3　散布常数的影响之过 
11.5.3　交叠情形 238 
11.5.4　广义回归网络函数 
11.5.4　逼近 239 
11.5.5　概率神经网络模式 
11.5.5　分类 242 
11.6　小结 245 
第12章　自组织神经网络 246 
12.1　自组织竞争网络 246 
12.1.1　自组织竞争网络结构 
12.1.1　模型 246 
12.1.2　自组织竞争神经网络 
12.1.2　的学习算法 247 
12.2　自组织特征映射网络 250 
12.2.1　自组织特征映射网络 
12.2.1　模型 250 
12.2.2　自组织特征映射网络 
12.2.2　结构 258 
12.2.3　自组织特征映射网络的 
12.2.3　学习规则 259 
12.3　学习矢量量化网络 259 
12.3.1　学习矢量量化网络 
12.3.1　结构 260 
12.3.2　学习矢量量化网络的 
12.3.2　学习规则 260 
12.3.3　与自组织映射网络的 
12.3.3　比较 262 
12.4　自组织神经网络的MATLAB 
12.4　实现 263 
12.4.1　自组织竞争网络的 
12.4.1　设计 263 
12.4.2　自组织竞争网络的 
12.4.2　训练 264 
12.4.3　SOFM网络的设计 265 
12.4.4　SOFM网络的训练 267 
12.4.5　LVQ网络的设计 267 
12.4.6　LVQ网络的训练 270 
12.5　自组织神经网络应用实例 271 
12.5.1　自组织竞争网络模式 
12.5.1　分类 271 
12.5.2　一维自组织特征映射 
12.5.2　网络 273 
12.5.3　二维自组织特征映射 
12.5.3　网络 275 
12.5.4　LVQ网络应用实例 277 
12.6　小结 279 
第13章　反馈神经网络 280 
13.1　Hopfield网络 280 
13.1.1　离散Hopfield网络 
13.1.1　模型 281 
13.1.2　连续Hopfield网络 
13.1.2　模型 283 
13.1.3　联想记忆 285 
13.1.4　Hopfield网络结构 287 
13.2　Elman反馈神经网络 287 
13.3　反馈神经网络的MATLAB 
13.3　实现 288 
13.3.1　设计Hopfield网络 288 
13.3.2　Elman网络的创建与 
13.3.2　仿真 290 
13.3.3　训练Elman网络 291 
13.4　反馈神经网络应用实例 292 
13.4.1　二神经元Hopfield 
13.4.1　网络设计 292 
13.4.2　Hopfield网络中的伪 
13.4.2　平衡点 295 
13.4.3　三神经元Hopfield 
13.4.3　网络设计 297 
13.4.4　利用Elman网络进行 
13.4.4　振幅检测 300 
13.5　小结 303 
第三篇　神经网络综合实战篇 
第14章　神经网络优化 306 
14.1　支持向量机 306 
14.1.1　统计学习理论 307 
14.1.2　支持向量机（SVM） 
14.1.2　理论 307 
14.1.3　支持向量机实例 310 
14.2　Boltzmann机与模拟退火算法 314 
14.2.1　Boltzmann机的网络 
14.2.1　结构 314 
14.2.2　模拟退火算法 315 
14.2.3　Boltzmann机的工作 
14.2.3　原理 316 
14.3　基于遗传算法的神经网络 
14.3　优化 317 
14.3.1　遗传算法介绍 318 
14.3.2　基于遗传算法的神经网络 
14.3.2　优化算法 320 
14.3.3　遗传算法优化实例 321 
14.4　小结 325 
第15章　神经网络控制 326 
15.1　神经网络控制概述 327 
15.1.1　监督式神经网络控制 327 
15.1.2　直接逆模型神经网络 
15.1.2　控制 328 
15.1.3　神经网络自适应控制 328 
15.1.4　神经网络内模控制 329 
15.1.5　神经网络预测控制 330 
15.1.6　神经网络自适应判断 
15.1.6　控制 331 
15.1.7　多层神经网络控制 331 
15.1.8　分级神经网络控制 332 
15.2　神经网络模型预测控制 333 
15.2.1　系统辨识 334 
15.2.2　预测控制 335 
15.2.3　预测控制的Simulink 
15.2.3　实例 335 
15.3　神经网络反馈线性化控制 
15.3　（NARMA-L2） 341 
15.3.1　NARMA-L2系统辨识 341 
15.3.2　NARMA-L2控制器 342 
15.3.3　NARMA-L2控制器 
15.3.3　Simulink实例 343 
15.4　神经网络模型参考控制 347 
15.5　小结 352 
第16章　神经网络故障诊断 353 
16.1　神经网络故障诊断概述 353 
16.2　基于神经网络的滚动轴承 
16.2　故障诊断 354 
16.2.1　问题背景 354 
16.2.2　问题实例 356 
16.3　基于神经网络的汽车防抱死 
16.3　系统故障诊断 359 
16.3.1　问题背景 359 
16.3.2　问题实例 361 
16.4　基于神经网络的柴油机 
16.4　故障诊断 364 
16.4.1　问题背景 364 
16.4.2　问题实例 366 
16.5　基于神经网络的水循环系统 
16.5　故障诊断 371 
16.5.1　问题背景 371 
16.5.2　问题实例 372 
16.6　小结 374 
第17章　神经网络预测 375 
17.1　神经网络预测概述 375 
17.2　基于神经网络的地震预测 378 
17.2.1　问题背景 378 
17.2.2　问题实例 378 
17.3　基于神经网络的人口预测 382 
17.3.1　问题背景 382 
17.3.2　问题实例 382 
17.4　基于神经网络的电信业务量 
17.4　预测 385 
17.4.1　问题背景 385 
17.4.2　问题实例 385 
17.5　基于神经网络的股市预测 388 
17.5.1　问题背景 388 
17.5.2　问题实例 389 
17.6　基于神经网络的信用风险 
17.6　预测 391 
17.6.1　问题背景 391 
17.6.2　问题实例 392 
17.7　小结 394 
第18章　Simulink中的神经网络设计 395 
18.1　Simulink神经网络模块 395 
18.1.1　传递函数模块库 396 
18.1.2　网络输入函数模块库 397 
18.1.3　权值函数模块库 397 
18.1.4　处理函数模块库 398 
18.1.5　控制系统模块库 398 
18.2　神经网络Simulink模型设计 
18.2　实例 399 
18.3　小结 403 
第19章　自定义神经网络 404 
19.1　自定义网络 404 
19.1.1　定制网络 405 
19.1.2　定义网络 406 
19.1.3　网络行为 414 
19.2　相关工具箱函数 417 
19.2.1　初始化函数 417 
19.2.2　传递函数 417 
19.2.3　学习函数 420 
19.3　自定义函数 425 
19.3.1　网络构建函数 425 
19.3.2　初始化函数 431 
19.3.3　学习函数 432 
19.3.4　自组织映射函数 435 
19.4　小结 437 
附录A　工具箱函数列表 438 
参考文献 444