未读消息消息

购物车

我的订单

个人中心

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

卖家中心

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

MATLAB神经网络原理与实例精解

作者: 陈明著

出版社: 清华大学出版社

出版时间: 2013-03

版次: 1

ISBN: 9787302307419

定价: 69.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 431页

字数: 715千字

正文语种: 简体中文

丛书: MATLAB典藏大系

分类: 计算机与互联网

2 张插图图片

　　《MATLAB神经网络原理与实例精解》结合科研和高校教学的相关课程，全面、系统、详细地介绍了MATLAB神经网络的原理及应用，并给出了大量典型的实例供读者参考。《MATLAB神经网络原理与实例精解》附带1张光盘，收录了《MATLAB神经网络原理与实例精解》重点内容的配套多媒体教学视频及书中涉及的实例源文件。这些资料可以大大方便读者高效、直观地学习《MATLAB神经网络原理与实例精解》内容。
　　《MATLAB神经网络原理与实例精解》首先简要介绍了MATLAB软件的使用和常用的内置函数，随后分门别类地介绍了BP网络、径向基网络、自组织网络、反馈网络等不同类型的神经网络，并在每章的最后给出了实例。在全书的最后，又以专门的一章收集了MATLAB神经网络在图像、工业、金融、体育等不同领域的具体应用，具有很高的理论和使用价值。全书内容详实、重点突出，从三个层次循序渐进地利用实例讲解网络原理和使用方法，降低了学习门槛，使看似神秘高深的神经网络算法更为简单易学。
　　《MATLAB神经网络原理与实例精解》适合学习神经网络的人员使用MATLAB方便地实现神经网络以解决实际问题，也适合神经网络或机器学习算法的研究者及MATLAB进阶学习者阅读。另外，《MATLAB神经网络原理与实例精解》可以作为高校相关课程的教材和教学参考书。
　　国内MATLAB&Simulink技术交流平台——MATLAB中文论坛?联合本书作者和编辑，一起为您提供与本书相关的问题解答和MATLAB技术支持服务，让您获得阅读体验。请随时登录MATLAB中文论坛，提出您在阅读本书时产生的疑问，作者将定期为您解答。您对本书的任何建议也可以在论坛上发帖，以便于我们后续改进。您的建议将是我们创造精品的动力和源泉。
　　本书涵盖内容及视频时间：
　　神经网络与MATLAB简介（58分钟视频）
　　MATLAB函数与神经网络工具箱（62分钟视频）
　　单层感知器（27分钟视频）
　　线性神经网络（41分钟视频）
　　BP神经网络（49分钟视频）
　　径向基神经网络（62分钟视频）
　　自组织神经网络（52分钟视频）
　　反馈神经网络（51分钟视频）
　　随机神经网络（40分钟视频）
　　用GUI设计神经网络（56分钟视频）
　　神经网络应用实例（96分钟视频）
　　陈明，毕业于天津大学信息与通信工程专业，获硕士学位。本科期间参加过全国电子设计大赛信息安全专题邀请赛，获三等奖。研究生阶段在天津大学信息学院图像中心学习，研究方向为图像处理、模式识别和视频编解码。由于学习和科研的需要开始接触MATLAB，用MATLAB解决过图像处理机器学习等领域的问题。对遗传算法和神经网络工具箱尤为熟悉，有丰富的MATLAB编程经验。编写过《MATLAB函数效率功能速查手册》一书。第1篇入门篇
第1章神经网络概述（教学视频：10分钟）
1.1 人工神经网络简介
1.2 神经网络的特点及应用
1.2.1 神经网络的特点
1.2.2 神经网络的应用
1.3 人工神经网络的发展历史
1.4 神经网络模型
1.5 神经网络的学习方式
第2章 MATLAB快速入门（教学视频：48分钟）
2.1 MATLAB功能及历史
2.1.1 MATLAB的功能和特点
2.1.2 MATLAB发展历史
2.2 MATLAB R2011b集成开发环境
2.2.1 MATLAB的安装
2.2.2 MATLAB集成开发环境
2.2.3 搜索路径设定
2.3 MATLAB语言基础
2.3.1 标识符与数组
2.3.2 数据类型
2.3.3 运算符
2.3.4 流程控制
2.3.5 M文件
第3章 MATLAB函数与神经网络工具箱（教学视频：62分钟）
3.1 MATLAB常用命令
3.2 矩阵生成和基本运算
3.2.1 zeros生成全零矩阵
3.2.2 0nes生成全1矩阵
3.2.3 magic生成魔方矩阵
3.2.4 eye生成单位矩阵
3.2.5 rand生成均匀分布随机数
3.2.6 randn生成正态分布随机数
3.2.7 linspace产生线性等分向量
3.2.8 logspace产生对数等分向量
3.2.9 randperm生成随机整数排列
3.2.10 randi生成整数随机数
3.2.11 range向量的最大/最小值之差
3.2.12 minmax求最大/最小值
3.2.13 min/max/mean求最大/最小值
3.2.14 size/length/numel/ndims矩阵维度相关
3.2.15 sum/prod求和或积
3.2.16 var/std求方差与标准差
3.2.17 diag生成对角矩阵
3.2.18 repmat矩阵复制和平铺
3.2.19 reshape矩阵变维
3.2.20 inv/pinv矩阵求逆/求伪逆
3.2.21 rank/det求矩阵的秩/行列式
3.2.22 eig矩阵的特征值分解
3.2.23 svd矩阵的奇异值分解
3.2.24 trace求矩阵的迹
3.2.25 norm求向量或矩阵的范数
3.3 数学函数
3.3.1 abs求绝对值
3.3.2 exp/log指数函数/对数函数
3.3.3 log10/log2常用对数/以2为底的对数
3.3.4 fix/roun～ceil/floor取整函数
3.3.5 mod/rem取模数／余数
3.4 图形相关函数
3.4.1 plot绘制二维图像
3.4.2 坐标轴设置函数
3.4.3 subplot同一窗口分区绘图
3.4.4 figure/hold创建窗口／图形保持
3.4.5 semilogx/semilogy单对数坐标图
3.4.6 contour/clabel曲面等高线／等高线标签
3.4.7 gcf/gca/gco返回当前图形／坐标／对象句柄
3.4.8 mesh绘制三维网格图
3.5 神经网络工具箱
3.5.1 工具箱函数基本介绍
3.5.2 神经网络对象与属性

第2篇原理篇
第4章单层感知器（教学视频：27分钟）
4.1 单层感知器的结构 104
4.2 单层感知器的学习算法 105
4.3 感知器的局限性 108
4.4 单层感知器相关函数详解 108
4.4.1 newp——创建一个感知器 108
4.4.2 train——训练感知器网络 111
4.4.3 sim——对训练好的网络进行仿真 113
4.4.4 hardlim/hardlims——感知器传输函数 114
4.4.5 init——神经网络初始化函数 115
4.4.6 adapt——神经网络的自适应 117
4.4.7 mae——平均绝对误差性能函数 119
4.5 单层感知器应用实例——坐标点的二类模式分类 120
4.5.1 手算 120
4.5.2 使用工具箱函数 127
第5章线性神经网络（教学视频：41分钟）
5.1 线性神经网络的结构 129
5.2 LMS学习算法 130
5.3 LMS算法中学习率的选择 132
5.3.1 确保网络稳定收敛的学习率 132
5.3.2 学习率逐渐下降 133
5.4 线性神经网络与感知器的对比 134
5.4.1 网络传输函数 134
5.4.2 学习算法 134
5.5 线性神经网络相关函数详解 134
5.5.1 newlind——设计一个线性层 135
5.5.2 newlin——构造一个线性层 136
5.5.3 purelin——线性传输函数 138
5.5.4 learnwh——LMS学习函数 138
5.5.5 maxlinlr——计算最大学习率 141
5.5.6 mse——均方误差性能函数 142
5.5.7 linearlayer——构造线性层的函数 143
5.6 线性神经网络应用实例 144
5.6.1 实现二值逻辑——与 144
5.6.2 实现二值逻辑——异或 151
第6章 BP神经网络（教学视频：49分钟）
6.1 BP神经网络的结构 156
6.2 BP网络的学习算法 158
6.2.1 最速下降法 158
6.2.2 最速下降BP法 159
6.2.3 串行和批量训练方式 162
6.2.4 最速下降BP法的改进 163
6.3 设计BP网络的方法 164
6.4 BP神经网络的局限性 166
6.5 BP网络相关函数详解 166
6.5.1 logsig——Log-Sigmoid传输函数 167
6.5.2 tansig——Tan-Sigmoid传输函数 168
6.5.3 newff——创建一个BP网络 169
6.5.4 feedforwardnet——创建一个BP网络 172
6.5.5 newcf——级联的前向神经网络 173
6.5.6 cascadeforwardnet——新版级联前向网络 174
6.5.7 newfftd——前馈输入延迟的BP网络 175
6.5.8 dlogsig/dtansig——Sigmoid函数的导数 176
6.6 BP神经网络应用实例 177
6.6.1 基于BP网络的性别识别 177
6.6.2 实现二值逻辑——异或 191
第7章径向基函数网络（教学视频：62分钟）
7.1 径向基神经网络的两种结构 196
7.1.1 径向基函数 196
7.1.2 正则化网络 198
7.1.3 广义网络 199
7.2 径向基神经网络的学习算法 200
7.2.1 随机选取固定中心 200
7.2.2 自组织选取中心 201
7.2.3 有监督选取中心 202
7.2.4 正交最小二乘法 203
7.3 径向基神经网络与多层感知器的比较 204
7.4 概率神经网络 205
7.4.1 模式分类的贝叶斯决策理论 205
7.4.2 概率神经网络的结构 206
7.4.3 概率神经网络的优点 207
7.5 广义回归神经网络 208
7.5.1 广义回归神经网络的理论基础 208
7.5.2 广义回归神经网络的结构 209
7.6 径向基神经网络相关函数详解 210
7.6.1 newrb——设计一个径向基函数网络 210
7.6.2 newrbe——设计一个严格的径向基网络 212
7.6.3 radbas——径向基函数 213
7.6.4 dist——欧几里得距离权函数 215
7.6.5 netprod——乘积网络输入函数 215
7.6.6 dotprod——内积权函数 216
7.6.7 netsum——求和网络输入函数 217
7.6.8 newpnn——设计概率神经网络 217
7.6.9 compet——竞争性传输函数 218
7.6.10 ind2vec/vec2ind——向量-下标转换函数 220
7.6.11 newgrnn——设计广义回归神经网络 220
7.6.12 normprod——归一化点积权函数 221
7.7 径向基网络应用实例 222
7.7.1 异或问题 222
7.7.2 RBF网络曲线拟合 227
7.7.3 GRNN网络曲线拟合 234
7.7.4 PNN网络用于坐标点分类 237
第8章自组织竞争神经网络（教学视频：52分钟）
8.1 竞争神经网络
8.2 竞争神经网络的学习算法 243
8.2.1 Kohonen学习规则 244
8.2.2 阈值学习规则 245
8.3 自组织特征映射网络 246
8.4 SOM的学习算法 247
8.5 学习矢量量化网络 249
8.5.1 LVQ1学习规则 250
8.5.2 LVQ2规则 250
8.6 自组织竞争网络相关函数详解 251
8.6.1 gridtop——网格拓扑函数 251
8.6.2 hextop——六边形拓扑函数 252
8.6.3 randtop——随机拓扑结构函数 253
8.6.4 tritop——三角拓扑函数 253
8.6.5 dist、boxdist、linkdist、mandist——距离函数 255
8.6.6 newc——竞争网络 258
8.6.7 competlayer——新版竞争网络函数 260
8.6.8 newsom——自组织特征映射网络 261
8.6.9 selforgmap——新版自组织映射网络函数 262
8.6.10 newlvq——学习矢量量化网络 265
8.6.11 lvqnet——新版学习矢量量化网络函数 267
8.6.12 mapminmax——归一化函数 268
8.7 自组织竞争神经网络应用实例 269
第9章反馈神经网络（教学视频：51分钟）
9.1 离散Hopfield神经网络 278
9.2 连续Hopfield神经网络 284
9.3 Elman神经网络 285
9.4 盒中脑模型 286
9.5 反馈神经网络相关函数详解 288
9.6 反馈神经网络应用实例 296
第10章随机神经网络（教学视频：40分钟）
10.1 模拟退火算法 308
10.2 Boltzmann机 311
10.3 Sigmoid置信度网络 316
10.4 MATLAB模拟退火算法工具 317
10.5 模拟退火算法求解TSP问题 327
第11章用GUI设计神经网络（教学视频：56分钟） 334
11.1 神经网络工具（nntool） 334
11.2 神经网络分类/聚类工具（nctool） 340
11.3 神经网络拟合工具（nftool） 348
11.4 神经网络模式识别工具（nprtool） 353
11.5 神经网络时间序列工具（ntstool） 359
11.6 nntraintool与view 365
第3篇实战篇
第12章 Simulink 368
12.1 Simulink中的神经网络模块 368
12.2 用gensim生成模块 371
第13章神经网络应用实例（教学视频：96分钟）
13.1 BP神经网络实现图像压缩 377
13.2 Elman网络预测上证股市开盘价 387
13.3 径向基网络预测地下水位 395
13.4 基于BP网络的个人信贷信用评估 402
13.5 基于概率神经网络的手写体数字识别 411
13.6 基于概率神经网络的柴油机故障诊断 420
13.7 基于自组织特征映射网络的亚洲足球水平聚类 425
内容简介:
　　《MATLAB神经网络原理与实例精解》结合科研和高校教学的相关课程，全面、系统、详细地介绍了MATLAB神经网络的原理及应用，并给出了大量典型的实例供读者参考。《MATLAB神经网络原理与实例精解》附带1张光盘，收录了《MATLAB神经网络原理与实例精解》重点内容的配套多媒体教学视频及书中涉及的实例源文件。这些资料可以大大方便读者高效、直观地学习《MATLAB神经网络原理与实例精解》内容。
　　《MATLAB神经网络原理与实例精解》首先简要介绍了MATLAB软件的使用和常用的内置函数，随后分门别类地介绍了BP网络、径向基网络、自组织网络、反馈网络等不同类型的神经网络，并在每章的最后给出了实例。在全书的最后，又以专门的一章收集了MATLAB神经网络在图像、工业、金融、体育等不同领域的具体应用，具有很高的理论和使用价值。全书内容详实、重点突出，从三个层次循序渐进地利用实例讲解网络原理和使用方法，降低了学习门槛，使看似神秘高深的神经网络算法更为简单易学。
　　《MATLAB神经网络原理与实例精解》适合学习神经网络的人员使用MATLAB方便地实现神经网络以解决实际问题，也适合神经网络或机器学习算法的研究者及MATLAB进阶学习者阅读。另外，《MATLAB神经网络原理与实例精解》可以作为高校相关课程的教材和教学参考书。
　　国内MATLAB&Simulink技术交流平台——MATLAB中文论坛?联合本书作者和编辑，一起为您提供与本书相关的问题解答和MATLAB技术支持服务，让您获得阅读体验。请随时登录MATLAB中文论坛，提出您在阅读本书时产生的疑问，作者将定期为您解答。您对本书的任何建议也可以在论坛上发帖，以便于我们后续改进。您的建议将是我们创造精品的动力和源泉。
　　本书涵盖内容及视频时间：
　　神经网络与MATLAB简介（58分钟视频）
　　MATLAB函数与神经网络工具箱（62分钟视频）
　　单层感知器（27分钟视频）
　　线性神经网络（41分钟视频）
　　BP神经网络（49分钟视频）
　　径向基神经网络（62分钟视频）
　　自组织神经网络（52分钟视频）
　　反馈神经网络（51分钟视频）
　　随机神经网络（40分钟视频）
　　用GUI设计神经网络（56分钟视频）
　　神经网络应用实例（96分钟视频）
作者简介:
　　陈明，毕业于天津大学信息与通信工程专业，获硕士学位。本科期间参加过全国电子设计大赛信息安全专题邀请赛，获三等奖。研究生阶段在天津大学信息学院图像中心学习，研究方向为图像处理、模式识别和视频编解码。由于学习和科研的需要开始接触MATLAB，用MATLAB解决过图像处理机器学习等领域的问题。对遗传算法和神经网络工具箱尤为熟悉，有丰富的MATLAB编程经验。编写过《MATLAB函数效率功能速查手册》一书。
目录:
第1篇入门篇
第1章神经网络概述（教学视频：10分钟）
1.1 人工神经网络简介
1.2 神经网络的特点及应用
1.2.1 神经网络的特点
1.2.2 神经网络的应用
1.3 人工神经网络的发展历史
1.4 神经网络模型
1.5 神经网络的学习方式
第2章 MATLAB快速入门（教学视频：48分钟）
2.1 MATLAB功能及历史
2.1.1 MATLAB的功能和特点
2.1.2 MATLAB发展历史
2.2 MATLAB R2011b集成开发环境
2.2.1 MATLAB的安装
2.2.2 MATLAB集成开发环境
2.2.3 搜索路径设定
2.3 MATLAB语言基础
2.3.1 标识符与数组
2.3.2 数据类型
2.3.3 运算符
2.3.4 流程控制
2.3.5 M文件
第3章 MATLAB函数与神经网络工具箱（教学视频：62分钟）
3.1 MATLAB常用命令
3.2 矩阵生成和基本运算
3.2.1 zeros生成全零矩阵
3.2.2 0nes生成全1矩阵
3.2.3 magic生成魔方矩阵
3.2.4 eye生成单位矩阵
3.2.5 rand生成均匀分布随机数
3.2.6 randn生成正态分布随机数
3.2.7 linspace产生线性等分向量
3.2.8 logspace产生对数等分向量
3.2.9 randperm生成随机整数排列
3.2.10 randi生成整数随机数
3.2.11 range向量的最大/最小值之差
3.2.12 minmax求最大/最小值
3.2.13 min/max/mean求最大/最小值
3.2.14 size/length/numel/ndims矩阵维度相关
3.2.15 sum/prod求和或积
3.2.16 var/std求方差与标准差
3.2.17 diag生成对角矩阵
3.2.18 repmat矩阵复制和平铺
3.2.19 reshape矩阵变维
3.2.20 inv/pinv矩阵求逆/求伪逆
3.2.21 rank/det求矩阵的秩/行列式
3.2.22 eig矩阵的特征值分解
3.2.23 svd矩阵的奇异值分解
3.2.24 trace求矩阵的迹
3.2.25 norm求向量或矩阵的范数
3.3 数学函数
3.3.1 abs求绝对值
3.3.2 exp/log指数函数/对数函数
3.3.3 log10/log2常用对数/以2为底的对数
3.3.4 fix/roun～ceil/floor取整函数
3.3.5 mod/rem取模数／余数
3.4 图形相关函数
3.4.1 plot绘制二维图像
3.4.2 坐标轴设置函数
3.4.3 subplot同一窗口分区绘图
3.4.4 figure/hold创建窗口／图形保持
3.4.5 semilogx/semilogy单对数坐标图
3.4.6 contour/clabel曲面等高线／等高线标签
3.4.7 gcf/gca/gco返回当前图形／坐标／对象句柄
3.4.8 mesh绘制三维网格图
3.5 神经网络工具箱
3.5.1 工具箱函数基本介绍
3.5.2 神经网络对象与属性

第2篇原理篇
第4章单层感知器（教学视频：27分钟）
4.1 单层感知器的结构 104
4.2 单层感知器的学习算法 105
4.3 感知器的局限性 108
4.4 单层感知器相关函数详解 108
4.4.1 newp——创建一个感知器 108
4.4.2 train——训练感知器网络 111
4.4.3 sim——对训练好的网络进行仿真 113
4.4.4 hardlim/hardlims——感知器传输函数 114
4.4.5 init——神经网络初始化函数 115
4.4.6 adapt——神经网络的自适应 117
4.4.7 mae——平均绝对误差性能函数 119
4.5 单层感知器应用实例——坐标点的二类模式分类 120
4.5.1 手算 120
4.5.2 使用工具箱函数 127
第5章线性神经网络（教学视频：41分钟）
5.1 线性神经网络的结构 129
5.2 LMS学习算法 130
5.3 LMS算法中学习率的选择 132
5.3.1 确保网络稳定收敛的学习率 132
5.3.2 学习率逐渐下降 133
5.4 线性神经网络与感知器的对比 134
5.4.1 网络传输函数 134
5.4.2 学习算法 134
5.5 线性神经网络相关函数详解 134
5.5.1 newlind——设计一个线性层 135
5.5.2 newlin——构造一个线性层 136
5.5.3 purelin——线性传输函数 138
5.5.4 learnwh——LMS学习函数 138
5.5.5 maxlinlr——计算最大学习率 141
5.5.6 mse——均方误差性能函数 142
5.5.7 linearlayer——构造线性层的函数 143
5.6 线性神经网络应用实例 144
5.6.1 实现二值逻辑——与 144
5.6.2 实现二值逻辑——异或 151
第6章 BP神经网络（教学视频：49分钟）
6.1 BP神经网络的结构 156
6.2 BP网络的学习算法 158
6.2.1 最速下降法 158
6.2.2 最速下降BP法 159
6.2.3 串行和批量训练方式 162
6.2.4 最速下降BP法的改进 163
6.3 设计BP网络的方法 164
6.4 BP神经网络的局限性 166
6.5 BP网络相关函数详解 166
6.5.1 logsig——Log-Sigmoid传输函数 167
6.5.2 tansig——Tan-Sigmoid传输函数 168
6.5.3 newff——创建一个BP网络 169
6.5.4 feedforwardnet——创建一个BP网络 172
6.5.5 newcf——级联的前向神经网络 173
6.5.6 cascadeforwardnet——新版级联前向网络 174
6.5.7 newfftd——前馈输入延迟的BP网络 175
6.5.8 dlogsig/dtansig——Sigmoid函数的导数 176
6.6 BP神经网络应用实例 177
6.6.1 基于BP网络的性别识别 177
6.6.2 实现二值逻辑——异或 191
第7章径向基函数网络（教学视频：62分钟）
7.1 径向基神经网络的两种结构 196
7.1.1 径向基函数 196
7.1.2 正则化网络 198
7.1.3 广义网络 199
7.2 径向基神经网络的学习算法 200
7.2.1 随机选取固定中心 200
7.2.2 自组织选取中心 201
7.2.3 有监督选取中心 202
7.2.4 正交最小二乘法 203
7.3 径向基神经网络与多层感知器的比较 204
7.4 概率神经网络 205
7.4.1 模式分类的贝叶斯决策理论 205
7.4.2 概率神经网络的结构 206
7.4.3 概率神经网络的优点 207
7.5 广义回归神经网络 208
7.5.1 广义回归神经网络的理论基础 208
7.5.2 广义回归神经网络的结构 209
7.6 径向基神经网络相关函数详解 210
7.6.1 newrb——设计一个径向基函数网络 210
7.6.2 newrbe——设计一个严格的径向基网络 212
7.6.3 radbas——径向基函数 213
7.6.4 dist——欧几里得距离权函数 215
7.6.5 netprod——乘积网络输入函数 215
7.6.6 dotprod——内积权函数 216
7.6.7 netsum——求和网络输入函数 217
7.6.8 newpnn——设计概率神经网络 217
7.6.9 compet——竞争性传输函数 218
7.6.10 ind2vec/vec2ind——向量-下标转换函数 220
7.6.11 newgrnn——设计广义回归神经网络 220
7.6.12 normprod——归一化点积权函数 221
7.7 径向基网络应用实例 222
7.7.1 异或问题 222
7.7.2 RBF网络曲线拟合 227
7.7.3 GRNN网络曲线拟合 234
7.7.4 PNN网络用于坐标点分类 237
第8章自组织竞争神经网络（教学视频：52分钟）
8.1 竞争神经网络
8.2 竞争神经网络的学习算法 243
8.2.1 Kohonen学习规则 244
8.2.2 阈值学习规则 245
8.3 自组织特征映射网络 246
8.4 SOM的学习算法 247
8.5 学习矢量量化网络 249
8.5.1 LVQ1学习规则 250
8.5.2 LVQ2规则 250
8.6 自组织竞争网络相关函数详解 251
8.6.1 gridtop——网格拓扑函数 251
8.6.2 hextop——六边形拓扑函数 252
8.6.3 randtop——随机拓扑结构函数 253
8.6.4 tritop——三角拓扑函数 253
8.6.5 dist、boxdist、linkdist、mandist——距离函数 255
8.6.6 newc——竞争网络 258
8.6.7 competlayer——新版竞争网络函数 260
8.6.8 newsom——自组织特征映射网络 261
8.6.9 selforgmap——新版自组织映射网络函数 262
8.6.10 newlvq——学习矢量量化网络 265
8.6.11 lvqnet——新版学习矢量量化网络函数 267
8.6.12 mapminmax——归一化函数 268
8.7 自组织竞争神经网络应用实例 269
第9章反馈神经网络（教学视频：51分钟）
9.1 离散Hopfield神经网络 278
9.2 连续Hopfield神经网络 284
9.3 Elman神经网络 285
9.4 盒中脑模型 286
9.5 反馈神经网络相关函数详解 288
9.6 反馈神经网络应用实例 296
第10章随机神经网络（教学视频：40分钟）
10.1 模拟退火算法 308
10.2 Boltzmann机 311
10.3 Sigmoid置信度网络 316
10.4 MATLAB模拟退火算法工具 317
10.5 模拟退火算法求解TSP问题 327
第11章用GUI设计神经网络（教学视频：56分钟） 334
11.1 神经网络工具（nntool） 334
11.2 神经网络分类/聚类工具（nctool） 340
11.3 神经网络拟合工具（nftool） 348
11.4 神经网络模式识别工具（nprtool） 353
11.5 神经网络时间序列工具（ntstool） 359
11.6 nntraintool与view 365
第3篇实战篇
第12章 Simulink 368
12.1 Simulink中的神经网络模块 368
12.2 用gensim生成模块 371
第13章神经网络应用实例（教学视频：96分钟）
13.1 BP神经网络实现图像压缩 377
13.2 Elman网络预测上证股市开盘价 387
13.3 径向基网络预测地下水位 395
13.4 基于BP网络的个人信贷信用评估 402
13.5 基于概率神经网络的手写体数字识别 411
13.6 基于概率神经网络的柴油机故障诊断 420
13.7 基于自组织特征映射网络的亚洲足球水平聚类 425

查看详情

MATLAB神经网络原理与实例精解

内容简介:

作者简介:

目录: