| 作 者： | 飞思科技产品研发中心编著 |
| 出版社： | 电子工业出版社 |
| 丛编项： | MATLAB应用技术 |
| 版权说明： | 本书为公共版权或经版权方授权，请支持正版图书 |
| 标 签： | Matlab |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
第1章 神经网络概述
1. 1 MATLAB 6. 5语言简介
1. 1. 1 MATLAB的产生背景及主要产品
1. 1. 2 MATLAB语言特点
1. 1. 3 MATLAB 6. 5的新特点
1. 2 神经网络发展史
1. 3 神经网络模型
1. 3. 1 生物神经元模型
1. 3. 2 神经元模型
1. 3. 3 神经网络模型
1. 4 人工神经网络的特性
第2章 神经网络工具箱函数及实例
2. 1 神经网络工具箱概述
2. 2 感知器的神经网络工具函数
2. 2. 1 MATLAB 6. 5中有关感知器的工具函数
2. 2. 2 工具函数详解
2. 3 BP网络的神经网络工具函数
2. 3. 1 MATLAB6. 5中有关BP网络的重要函数
2. 3. 2工具函数详解
2. 4 线性网络的神经网络工具函数
2. 4. 1 MATLAB 6. 5中有关线性网络的工具函数
2. 4. 2 工具函数详解
2. 5 自组织竞争网络工具箱函数
2. 5. 1 MATLAB 6. 5中有关自组织网络的工具箱函数
2. 5. 2 工具函数详解
2. 6 径向基网络神经网络工具箱函数
2. 7 回归网络的神经网络工具箱函数
2. 7. 1 Hopfield神经网络的工具箱函数
2. 7. 2 Elman神经网络的工具箱函数
第3章 前向型神经网络理论及实例
3. 1 感知器网络
3. 1. 1 感知器模型
3. 1. 2 感知器神经元网络的网络结构
3. 1. 3 感知器神经网络的初始化
3, 1. 4 感知器神经网络的学习规则
3. 1. 5 感知器神经网络的训练
3. 1. 6 感知器的局限性
3. 1. 7 多层感知器
3. 2 BP网络
3. 2. 1 BP网络结构
3. 2. 2 BP算法的数学描述
3. 2. 3 BP网络中的神经元模型
3. 2. 4 BP网络的训练过程
3. 2. 5 BP算法的改进
3. 3 线性神经网络
3. 3. 1 线性神经元模型
3. 3. 2 线性神经网络的模型
3. 3. 3 线性网络的初始化
3. 3. 4 线性网络的学习规则
3. 3. 5 线性网络的训练
3. 4 径向基函数网络
3. 4. 1 径向基函数网络模型
3. 4. 2 基函数的形式
3. 4. 3 RBF学习过程
3. 5 GMDH网络
第4章 前向型神经网络设计分析
4. 1 引言
4. 2 感知器神经网络设计
4. 2. 1 问题描述
4. 2. 2 网络初始化
4. 2. 3 网络训练
4. 2. 4 神经网络性能测试
4. 2. 5 结论及讨论
4. 3 利用线性网络进行信号预测
4. 3. 1 问题描述
4. 3. 2 网络设计
4. 3. 3 测试网络
4. 3. 4 结论
4. 4 自适应预测
4. 4. 1 问题描述
4. 4. 2 网络初始化
4. 4. 3 网络训练
4. 4. 4 网络性能测试
4. 4. 5 结论
4. 5 线性系统辨识
4. 5. 1 问题描述
4. 5. 2 建立网络
4. 5. 3 测试网络
4. 5. 4 结论
4. 6 自适应系统辨识
4. 6. 1 问题描述
4. 6. 2 网络的建立
4. 6. 3 网络训练
4. 6. 4 网络测试
4. 6. 5 结论
4. 7 函数逼近
4. 7. 1 问题描述
4. 7. 2 网络建立
4. 7. 3 网络训练
4. 7. 4 网络测试
4. 7. 5 讨论
4. 8 胆固醇含量估计
4. 8. 1 问题描述
4. 8. 2 建立网络
4. 8. 3 网络训练
4. 8. 4 分析及讨论
4. 8. 5 结论
4. 9 特征识别
4. 9. 1 问题描述
4. 9. 2 神经元网络
4. 9. 3 系统性能评估
4. 9. 4 结论
4. 10 径向基函数网络设计
4. 10. 1 问题描述
4. 10. 2 网络的建立
4. 10. 3 仿真网络
4. 10. 4 结论
第5章 反馈型神经网络理论及实例
5. 1 Elman神经网络
5. 2 Hopfield神经网络
5. 2. 1 Hopfield神经网络的演变过程
5. 2. 2 离散型Hopfield神经网络(DHNN)
5. 2. 3 连续型Hopfield神经网络
5. 3 CG网络模型
5. 4 盒中脑(BSB)模型
5. 5 双向联想记忆(BAM)
5. 6 回归BP网络
5. 7 Boltzmann机网络
第6章 反馈型神经网络设计分析
6. 1 引言
6. 2 振幅检测
6. 2. 1 问题描述
6. 2. 2 网络初始化
6. 2. 3 网络训练
6. 2. 4 网络测试
6. 2. 5 网络的推广应用及完善
6. 3 两神经元的Hopfield申经网络设计
6. 3. 1 问题描述
6. 3. 2 建立网络
6. 3. 3 网络的测试
6. 4 三神经元的Hopfield神经网络设计
6. 4. 1 问题描述
6. 4. 2 建立网络
6. 4. 3 网络的测试
第7章 自组织与LVQ神经网络理论及实例
7. 1 自组织竞争网络
7. 1. 1 自组织竞争网络的形成
7. 1. 2 自组织竞争网络的基本思想
7. 1. 3 两种联想学习规则
7. 1. 4 基本竞争型人工神经网络
7. 2 自组织特征映射神经网络
7. 2. 1 自组织特征映射网络的结构
7. 2. 2 自组织特征映射的算法
7. 2. 3 自组织特征映射网络的学习及工作规则
7. 3 自适应共振理论(ART)
7. 4 CPN模型
第8章 自组织与LVQ神经网络应用设计分析
8. 1 引言
8. 2 自组织竞争网络在模式分类中的应用
8. 2. 1 问题描述
8. 2. 2 网络建立
8. 2. 3 网络训练
8. 2. 4 网络测试与使用
8. 2. 5 小结
8. 3 二维自组织特征映射网络设计
8. 3. 1 问题描述
8. 3. 2 网络建立
8. 3. 3 网络训练
8. 3. 4 网络测试与应用
8. 4 LVQ模式分类网络设计
8. 4. 1 问题描述
8. 4. 2 网络建立
8. 4. 3 网络训练
8. 4. 4 网络测试及使用
8. 4. 5 结论
第9章 神经控制器结构分析
9. 1 NN学习控制
9. 2 NN直接逆模型控制
9. 3 NN自适应控制
9. 3. 1 NN自校正控制(STC)
9. 3. 2 NN模型参考自适应控制
9. 4 NN内模控制
9. 5 NN预测控制
9. 6 NN自适应判断控制
9. 7 基于CMAC的控制.
9. 8 多层NN控制
9. 9 分级NN控制
第10章 神经网络控制理论及应用设计
10. 1 模型预测控制理论
10. 1. 1 系统辨识
10. 1. 2 模型预测
10. 2 模型预测控制实例分析
10. 2. 1 问题的描述
10. 2. 2 建立模型
10. 2. 3 系统辨识
10. 2. 4 系统仿真
10. 3 反馈线性化控制理论
10. 3. 1 辨识NARMA—L2模型
10. 3. 2 NARMA—L2控制器
10. 4 NARNMA—L2(反馈线性化)控制实例分析
10. 4. 1 问题的描述
10. 2 建立模型
10. 4. 3 系统辨识
10. 4. 4 系统仿真
10. 5 模型参考控制理论
10. 6 模型参考控制实例分析
10. l 问题的描述
10. 6. 2模型的建立
10. 6. 3 系统辨识
10. 6. 4 系统仿真
10. 7 总结
第11章 图形用户接口GUI
11. 1 引言
11. 2 建立网络
11. 2. 1 输入和目标
11. 2. 2 建立网络
11. 3 训练网络
11. 3. 1 训练网络
11. 3. 2 仿真网络
11. 4 将数据导出到命令行工作空间中
11. 5 清除数据
11. 6 从命令行工作空间中导入数据
11. 7 变量存盘与读取
第12章 SIMULINK
12. 1 模块的设置
12. 1. 1 传递函数模块
12. 1. 2 网络输入模块
12. 1. 3 权重模块
12. 1. 4 控制系统模块
12. 2 模块的生成
第13章 高级话题
13. 1 定制网绍
13. 1. 1 定制网络
13. 1. 2 网络定义
13. 1. 3 网络行为
13. 2 附加的工具箱函数
13. 2. 1 初始化函数
13. 2. 2 传递函数
13. 2. 3 学习函数
13. 3 定制函数
13. 3. 1 仿真函数
13. 3. 2 初始化函数
13. 3. 3 学习函数
13. 3. 4 自组织映射函数
附录A MATAB 6. 5的其他新特性
A. 1 SIMULINK 5. 0的新特性
A. 2 MathWorks Releasel3新产品
附录B MATLAB 6. 5安装问题指南
B. 1 MATLAB 6. 5为什么安装后不能启动
B. 2 安装时更新Java虚拟机的问题
B. 3 PDF文档的获取
附录C MATLAB神经网络工具箱函数参考
C. 1 工具箱函数
C. 2 传递函数图形
参考文献
