MATLAB神經網絡超級學習手冊

目　錄
第1章　MATLAB簡介　1
1．1　MATLAB的發(fā)展　1
1．2　MATLAB的特點及應用領域　2
1．3　MATLAB R2013a的安裝　3
1．4　MATLAB R2013a的工作環(huán)境　5
1．4．1　操作界面簡介　5
1．4．2　Workspace(命令窗口)　6
1．4．3　Command History(歷史命令窗口)　9
1．4．4　輸入變量　11
1．4．5　路徑管理　12
1．4．6　搜索路徑　13
1．4．7　Workspace(工作空間)　14
1．4．8　變量的編輯命令　15
1．4．9　存取數(shù)據(jù)文件　17
1．5　MATLAB R2013a的幫助系統(tǒng)　17
1．5．1　純文本幫助　18
1．5．2　演示幫助　19
1．5．3　幫助導航　21
1．5．4　幫助文件目錄窗　22
1．5．5　幫助文件索引窗　22
1．6　本章小結　23
第2章　MATLAB基礎　24
2．1　基本概念　24
2．1．1　MATLAB數(shù)據(jù)類型概述　24
2．1．2　常量與變量　25
2．1．3　標量、向量、矩陣與數(shù)組　26
2．1．4　運算符　28
2．1．5　命令、函數(shù)、表達式和語句　30
2．2　MATLAB中的數(shù)組　31
2．2．1　數(shù)組的保存和裝載　31
2．2．2　數(shù)組索引和尋址　32
2．2．3　數(shù)組的擴展和裁剪　34
2．2．4　數(shù)組形狀的改變　40
2．2．5　數(shù)組運算　43
2．2．6　數(shù)組的查找　46
2．2．7　數(shù)組的排序　47
2．2．8　高維數(shù)組的降維操作　48
2．3　曲線擬合　49
2．3．1　多項式擬合　49
2．3．2　加權最小方差(WLS)擬合原理及實例　50
2．4　M文件　52
2．4．1　M文件概述　53
2．4．2　局部變量與全局變量　54
2．4．3　M文件的編輯與運行　55
2．4．4　腳本文件　56
2．4．5　函數(shù)文件　57
2．4．6　函數(shù)調用　58
2．4．7　M文件調試工具　61
2．4．8　M文件分析工具　63
2．5　本章小結　65
第3章　MATLAB程序設計　66
3．1　MATLAB的程序結構　66
3．1．1　if分支結構　66
3．1．2　switch分支結構　68
3．1．3　while循環(huán)結構　68
3．1．4　for循環(huán)結構　70
3．2　MATLAB的控制語句　71
3．2．1　continue命令　71
3．2．2　break命令　72
3．2．3　return命令　73
3．2．4　input命令　73
3．2．5　keyboard命令　74
3．2．6　error和warning命令　74
3．3　數(shù)據(jù)的輸入輸出　75
3．3．1　鍵盤輸入語句(input)　75
3．3．2　屏幕輸出語句(disp)　76
3．3．3　M數(shù)據(jù)文件的存儲/加載(save/load)　76
3．3．4　格式化文本文件的存儲/讀取(fprintf/fscanf)　76
3．3．5　二進制數(shù)據(jù)文件的存儲/讀取(fwrite/fread)　76
3．3．6　數(shù)據(jù)文件行存儲/讀取(fgetl/fgets)　77
3．4　MATLAB文件操作　77
3．5　MATLAB程序優(yōu)化　79
3．5．1　效率優(yōu)化(時間優(yōu)化)　79
3．5．2　內存優(yōu)化(空間優(yōu)化)　80
3．5．3　編程注意事項　85
3．5．4　幾個常用數(shù)學方法的算法程序　86
3．6　程序調試　94
3．6．1　程序調試命令　94
3．6．2　程序剖析　95
3．7　本章小結　99
第4章　人工神經網絡概述　100
4．1　人工神經網絡　100
4．1．1　人工神經網絡的發(fā)展　100
4．1．2　人工神經網絡研究內容　101
4．1．3　人工神經網絡研究方向　102
4．1．4　人工神經網絡發(fā)展趨勢　102
4．2　神經元　105
4．2．1　神經元細胞　105
4．2．2　MP模型　106
4．2．3　一般神經元模型　107
4．3　神經網絡的結構及學習　108
4．3．1　神經網絡結構　108
4．3．2　神經網絡學習　110
4．4　MATLAB神經網絡工具箱　111
4．4．1　神經網絡工具箱函數(shù)　112
4．4．2　神經網絡工具箱的使用　113
4．5　本章小結　118
第5章　感知器　119
5．1　感知器原理　119
5．1．1　感知器模型　119
5．1．2　感知器初始化　120
5．1．3　感知器學習規(guī)則　121
5．1．4　感知器訓練　121
5．2　感知器的局限性　122
5．3　感知器工具箱的函數(shù)　122
5．4　感知器的MATLAB仿真程序設計　130
5．4．1　單層感知器MATLAB仿真程序設計　130
5．4．2　多層感知器MATLAB仿真程序設計　135
5．5　本章小結　139
第6章　線性神經網絡　140
6．1　線性神經網絡原理　140
6．1．1　線性神經網絡模型　140
6．1．2　線性神經網絡初始化　141
6．1．3　線性神經網絡學習規(guī)則　142
6．1．4　線性神經網絡的訓練　144
6．2　線性神經網絡工具箱函數(shù)　147
6．3　線性神經網絡的MATLAB仿真程序設計　153
6．3．1　線性神經網絡設計的基本方法　153
6．3．2　線性神經網絡的設計　153
6．4　本章小結　158
第7章　BP神經網絡　159
7．1　BP神經網絡原理　159
7．1．1　BP神經網絡模型　159
7．1．2　BP神經網絡算法　161
7．1．3　BP神經網絡的訓練　164
7．1．4　BP神經網絡功能　167
7．2　網絡的設計　167
7．2．1　網絡的層數(shù)　167
7．2．2　隱含層的神經元數(shù)　168
7．2．3　初始權值的選取　168
7．2．4　學習速率　168
7．3　BP神經網絡工具箱函數(shù)　168
7．4　BP神經網絡的工程應用　173
7．4．1　BP網絡在函數(shù)逼近中的應用　173
7．4．2　nntool神經網絡工具箱的應用　181
7．4．3　BP神經網絡在語音特征信號分類中的應用　184
7．4．4　BP神經網絡的非線性函數(shù)擬合應用　190
7．5　本章小結　193
第8章　RBF神經網絡　194
8．1　RBF網絡模型　194
8．1．1　RBF神經網絡模型　194
8．1．2　RBF網絡的工作原理　195
8．1．3　RBF神經網絡的具體實現(xiàn)　196
8．2　RBF神經網絡的學習算法　196
8．3　RBF網絡工具箱函數(shù)　198
8．3．1　RBF工具箱函數(shù)　198
8．3．2　轉換函數(shù)　200
8．3．3　傳遞函數(shù)　201
8．4　基于RBF網絡的非線性濾波　202
8．4．1　非線性濾波　202
8．4．2　RBF神經網絡用于非線性濾波　202
8．5　RBF網絡MATLAB應用實例　207
8．6　本章小結　216
第9章　反饋型神經網絡　217
9．1　反饋型神經網絡的基本概念　217
9．2　Hopfield網絡模型　219
9．2．1　Hopfield網絡模型　220
9．2．2　狀態(tài)軌跡　221
9．2．3　狀態(tài)軌跡發(fā)散　221
9．3　Hopfield網絡工具箱函數(shù)　222
9．3．1　Hopfield網絡創(chuàng)建函數(shù)　223
9．3．2　Hopfield網絡傳遞函數(shù)　227
9．4　離散型Hopfield網絡　228
9．4．1　DHNN模型結構　228
9．4．2　聯(lián)想記憶　229
9．4．3　DHNN的海布(Hebb)學習規(guī)則　232
9．4．4　DHNN權值設計的其他方法　233
9．5　連續(xù)型Hopfield網絡　235
9．6　Elman網絡　242
9．6．1　Elman網絡結構　243
9．6．2　Elman網絡創(chuàng)建函數(shù)　243
9．6．3　Elman網絡的工程應用　245
9．7　本章小結　252
第10章　競爭型神經網絡　253
10．1　自組織型競爭神經網絡　253
10．1．1　幾種聯(lián)想學習規(guī)則　253
10．1．2　網絡結構　258
10．1．3　自組織神經網絡的原理　260
10．1．4　競爭學習規(guī)則　265
10．1．5　競爭網絡的訓練過程　265
10．2　自組織特征映射神經網絡　266
10．2．1　自組織特征映射神經網絡拓撲結構　267
10．2．2　SOM權值調整域　268
10．2．3　SOM網絡運行原理　269
10．2．4　網絡的訓練過程　270
10．3　自適應共振理論神經網絡　272
10．3．1　自適應共振理論神經網絡概述　272
10．3．2　ART網絡的結構及特點　272
10．4　學習向量量化神經網絡　273
10．4．1　LVQ神經網絡結構　273
10．4．2　LVQ神經網絡算法　274
10．5　競爭型神經網絡工具箱函數(shù)　274
10．6　競爭型神經網絡的應用　286
10．7　本章小結　294
第11章　神經網絡的Simulink應用　295
11．1　基于Simulink的神經網絡模塊　295
11．1．1　神經網絡模塊　295
11．1．2　模塊的生成　302
11．2　基于Simulink的神經網絡控制系統(tǒng)　306
11．2．1　神經網絡模型預測控制　307
11．2．2　反饋線性化控制　310
11．2．3　模型參考控制　313
11．3　本章小結　315
第12章　神經網絡GUI　316
12．1　GUI簡介　316
12．1．1　GUI設計工具　316
12．1．2　啟動GUIDE　318
12．1．3　添加控件組件　319
12．1．4　設置控件組件的屬性　322
12．1．5　編寫相應的程序代碼　326
12．1．6　GUIDE創(chuàng)建GUI的注意事項　331
12．1．7　定制標準菜單　333
12．2　神經網絡GUI　334
12．2．1　常規(guī)神經網絡GUI　334
12．2．2　神經網絡擬合GUI　339
12．2．3　神經網絡模式識別GUI　346
12．2．4　神經網絡聚類GUI　351
12．3　GUI數(shù)據(jù)操作　358
12．3．1　從Workspace導入數(shù)據(jù)到GUI　358
12．3．2　從GUI中導出數(shù)據(jù)到Workspace　360
12．3．3　數(shù)據(jù)的存儲和讀取　363
12．3．4　數(shù)據(jù)的刪除　365
12．4　本章小結　365
第13章　自定義神經網絡及函數(shù)　366
13．1　自定義神經網絡　366
13．1．1　網絡的創(chuàng)建　367
13．1．2　網絡的初始化、訓練和仿真　382
13．2　自定義函數(shù)　386
13．2．1　初始化函數(shù)　386
13．2．2　學習函數(shù)　387
13．2．3　仿真函數(shù)　389
13．3　本章小結　390
第14章　隨機神經網絡　391
14．1　隨機神經網絡的基本思想　391
14．2　模擬退火算法　392
14．2．1　模擬退火算法的原理　393
14．2．2　模擬退火算法用于組合優(yōu)化問題　394
14．2．3　退火算法的參數(shù)控制　395
14．3　Boltzmann機　396
14．3．1　Boltzmann機的網絡結構　396
14．3．2　Boltzmann機的工作原理　398
14．3．3　Boltzmann機的運行步驟　399
14．3．4　Boltzmann機的學習規(guī)則　400
14．3．5　Boltzmann機的改進　401
14．4　隨機神經網絡的應用　404
14．5　本章小結　407
第15章　神經網絡基礎運用　408
15．1　感知器神經網絡的應用　408
15．2　線性神經網絡的應用　409
15．3　BP神經網絡的應用　411
15．4　RBF神經網絡的應用　413
15．5　本章小結　415
第16章　神經網絡綜合運用　416
16．1　BP神經網絡的應用　416
16．1．1　數(shù)據(jù)擬合　416
16．1．2　數(shù)據(jù)預測　423
16．1．3　函數(shù)逼近　429
16．2　PID神經網絡控制　433
16．3　遺傳算法優(yōu)化神經網絡　441
16．4　模糊神經網絡控制　447
16．5　概率神經網絡分類預測　456
16．6　本章小結　460
附錄　461
參考文獻　463