MATLAB神经网络仿真与应用

第一章 概论

1. 1 MATLAB软件包的特征

1. 2 MATLAB的运行环境

1. 2. 1 MATLAB的运行方式

1. 2. 2 MATLAB中的窗口

1. 3 MATLAB的帮助系统

1. 3. 1 命令行帮助

1. 3. 2 联机帮助

1. 3. 3 演示帮助

1. 4 MATLAB软件包的构成和应用概述

1. 4. 1 MATLAB软件包的构成

1. 4. 2 MATLAB的应用

1. 5 神经网络发展和应用

1. 5. 1 人工神经网络发展的历史回顾

1. 5. 2 神经网络的应用

1. 5. 3 神经网络的学习方法

1. 6 面向MATLAB工具箱的神经网络设计概述

1. 6. 1 MATLAB神经网络工具箱

1. 6. 2 神经网络技术的选取

1. 6. 3 运用工具箱设计网络的原则和过程

第二章 MATLAB数值计算功能

2. 1 矩阵与数组运算

2. 1. 1 矩阵的建立

2. 1. 2 矩阵和数组运算指令对照汇总

2. 2 矩阵与数组函数

2. 2. 1 基本数组函数

2. 2. 2 基本矩阵函数

2. 2. 3 几个易混淆的两种函数运算

2. 3 关系运算和逻辑运算

2. 3. 1 关系运算

2. 3. 2 逻辑运算

2. 4 矩阵的分解

2. 4. 1 三角分解

2. 4. 2 正交分解

2. 4. 3 特征值分解

2. 4. 4 奇异值分解

2. 5 多项式

2. 5. 1 多项式的表达和创建

2. 5. 2 多项式的运算

2. 6 数据分析

2. 6. 1 基本统计函数指令

2. 6. 2 协方差阵和相关阵

2. 6. 3 有限差分和导数

2. 6. 4 数据滤波

2. 7 数值分析

2. 7. 1 数值积分

2. 7. 2 微分方程的数值解

第三章 MATLAB符号处理

3. 1 字符串

3. 1. l 字符数组

3. 1. 2 字符的ASCH码转换

3. 1. 3 创建二维的字符数组

3. 1. 4 字符串中的单元数组

3. 1. 5 字符数组与单元数组间的转换

3. 1. 6 字符串比较

3. 1. 7 判断字符串是否相等

3. 1. 8 通过字符的运算来比较字符

3. 1. 9 字符串中字符的分类

3. 1. 10 查找与替换

3. 1. 11 字符串和数值的相互转换

3. 2 符号矩阵的运算

3. 2. 1 符号矩阵的创建

3. 2. 2 符号矩阵的加. 减. 乘. 除运算

3. 2. 3 符号矩阵的逆和除运算

3. 2. 4 符号矩阵的幂运算

3. 2. 5 符号矩阵的综合运算指令

3. 2. 6 符号变量替换

3. 2. 7 符号矩阵的分解

3. 2. 8 符号微积分

3. 2. 9 符号代数方程的求解

3. 2. 10 符号微分方程的求解

3. 3 符号函数绘图

第四章 绘图

4. 1 二维绘图

4. 1. 1 plot

4. 1. 2 fihgure和subplot

4. 1. 3 绘图指令的开关控制

4. 1. 4 标题与坐标轴的操作

4. 2 三维绘图

4. 2. 1 mesh

4. 2. 2 3D图形的颜色. 光线来源及图上标点的设定

4. 2. 3 透视与视角的设置

4. 3 图形句柄

4. 3. 1 图形对象

4. 3. 2 图形对象的句柄

4. 3. 3 对象创建函数

4. 3. 4 对象品性及其设置和查询

4. 3. 5 实时动画的制作

第五章 MATLAB的程序设计

5. 1 MATLAB程序设计入门

5. 1. 1 编辑程序和M文件的形式

5. 1. 2 MATLAB的命令文件

5. 1. 3 MATLAB的函数文件

5. 2 参数与变量

5. 2. 1 参数

5. 2. 2 局部变量与全局变量

5. 3 数据类型

5. 4 程序结构

5. 4. 1 顺序结构

5. 4. 2 循环结构

5. 4. 3 分支结构

5. 5 程序流控制语句

5. 5. 1 echo指令

5. 5. 2 input. yesinput指令

5. 5. 3 pause指令

5. 5. 4 keyboard指令

5. 5. 5 break指令

5. 6 函数调用及变量传递

5. 6. 1 函数调用

5. 6. 2 参数传递

5. 7 神经网络应用设计举例

5. 7. 1 带有偏差单元的递归神经网络

5. 7. 2 具有快速学习算法的补偿模糊神经网络

5. 7. 3 小脑模型神经网络算法研究

5. 7. 4 神经—模糊系统研究

第六章 感知器

6. 1 感知器原理

6. 1. 1 感知器神经模型

6. 1. 2 感知器神经元网络的结构

6. 1. 3 感知器神经网络的学习规则

6. 2 感知器神经网络的设计

6. 2. 1 感知器神经网络的初始化

6. 2. 2 感知器神经网络的创建

6. 2. 3 感知器神经网络的仿真

6. 2. 4 感知器神经网络的训练

6. 3 感知器神经网络的局限性

6. 4 图形用户界面

6. 5 MATLAB中关于感知器神经网络的工具函数

6. 6 感知器神经网络设计实例

6. 6. 1 多个感知器神经元的分类问题

6. 6. 2 奇异样本对感知器神经网络训练的影响

6. 6. 3 线性不可分的输入向量

第七章 线性神经网络

7. 1 线性神经网络原理

7. 1. 1 线性神经元模型

7. 1. 2 线性神经网络的结构

7. 1. 3 线性神经网络的学习规则

7. 2 线性神经网络的设计

7. 2. 1 线性神经网络的初始化

7. 2. 2 线性神经网络的创建

7. 2. 3 线性神经网络的设计

7. 2. 4 线性神经网络的训练

7. 3 线性神经网络的局限性

7. 4 MATLAB中有关线性神经网络的工具函数

7. 5 线性神经网络设计实例

第八章 BP神经网络

8. 1 BP网络理论

8. 1. 1 BP网络结构

8. 1. 2 BP网络学习公式推导

8. 2 面向MATLAB的BP神经网络原理

8. 2. 1 BP神经元结构

8. 2. 2 BP神经网络的结构

8. 3 面向MATLAB的BP神经网络的设计

8. 3. 1 BP神经网络的初始化

8. 3. 2 BP神经网络的创建

8. 3. 3 BP神经网络的仿真

8. 3. 4 BP神经网络的训练

8. 3. 5 BP神经网络泛化的改进

8. 3. 6 BP神经网络训练样本的处理

第九章 径向基神经网络

9. 1 径向基函数神经网络的理论基础

9, 2 面向MATLAB工具箱的径向基神经网络

9. 2. 1 面向MATLAB工具箱的径向基神经元模型

9. 2. 2 面向MATLAB工具箱的径向基神经网络

9. 3 径向基神经网络的设计

9. 3. 1 精确设计函数(newrbe)

9. 3. 2 普通设计函数(newrb)

9. 4 广义回归神经网络

9. 5 概率神经网络

9. 6 MATLAB中关于径向基函数神经网络的工具函数

9. ? 径向基函数网络与模糊理论的结合及应用

9. 7. 1 径向基函数网络和模糊推理系统的功能等价关系

9. 7. 2 基于自适应模糊系统的径向基高斯函数网络

9. 7. 3 学习算法

9. 7. 4 非线性系统的故障诊断

第十章 自组织竞争人工神经网络

10. 1 自组织竞争人工神经网络

10. 1. 1 自组织竞争人工神经网络的结构

10. 1. 2 自组织竞争人工神经网络的创建

10. 1. 3 自组织竞争人工神经网络的训练

10. 2 自组织特征映射神经网络

10. 2. 1 自组织特征映射神经网络的结构

10. 2. 2 自组织特征映射神经网络的创建

10. 2. 3 自组织特征映射神经网络的训练

10. 3 学习向量量化神经网络

10. 3. 1 学习向量量化神经网络的结构

10. 3. 2 学习向量量化神经网络的创建

10. 3. 3 学习向量量化神经网络的训练

10. 4 MATLAB中关于自组织神经网络的工具函数

10. 5 网络设计实例

10. 5. 1 使用自组织竞争神经网络进行模式识别

10. 5. 2 一维自组织特征映射神经网络设计实例

10. 5. 3 二维自组织特征映射神经网络设计实例

第十一章 回归神经网络

11. 1 回归神经网络理论基础

11. 1. 1 Hopfield网络

11. 1. 2 Elman神经网络

11. 2 E1man神经网络

11. 2. 1 Elman神经网络的结构

11. 2. 2 Elman神经网络的创建

11. 2. 3 Elman神经网络的训练

11. 3 Hopfield神经网络

11. 3. 1 Hopfield神经网络的结构

11. 3. 2 Hopfield神经网络的设计

11. 4 有关回归神经网络的工具函数

主要参考文献