神經(jīng)網(wǎng)絡(luò)與深度學習：基于MATLAB的仿真與實現(xiàn)

第一部分 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)及MATLAB
緒論
第1章 神經(jīng)網(wǎng)絡(luò)概述
第2章 MATLAB基本知識及神經(jīng)網(wǎng)絡(luò)工具箱簡介
2.1 MATLAB基本知識
2.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱
2.2.1 基于代碼的MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的應用
2.2.2 基于圖形界面的MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的應用
2.2.3 MATLAB/Simulink中神經(jīng)網(wǎng)絡(luò)相關(guān)模塊的應用
2.2.4 MATLAB菜單欄中神經(jīng)網(wǎng)絡(luò)相關(guān)模塊的應用
第二部分 經(jīng)典神經(jīng)網(wǎng)絡(luò)
第3章 感知機
3.1 感知機的基本結(jié)構(gòu)與算法基礎(chǔ)
3.1.1 單層感知機的基本結(jié)構(gòu)
3.1.2 多層感知機的基本結(jié)構(gòu)與算法基礎(chǔ)
3.2 感知機的MATLAB實現(xiàn)
3.2.1 單層感知機的MATLAB仿真實現(xiàn)
3.2.2 多層感知機的MATLAB仿真實現(xiàn)
第4章 線性神經(jīng)網(wǎng)絡(luò)
4.1 線性神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
4.1.1 線性神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)及學習算法
4.1.2 最小均方差算法中關(guān)于學習率η的討論
4.1.3 線性神經(jīng)網(wǎng)絡(luò)的訓練
4.2 線性神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
4.2.1 線性神經(jīng)網(wǎng)絡(luò)在分類問題中的應用
4.2.2 線性神經(jīng)網(wǎng)絡(luò)在擬合（回歸）問題中的應用
4.2.3 線性神經(jīng)網(wǎng)絡(luò)在信號處理中的應用
4.3 關(guān)于線性神經(jīng)網(wǎng)絡(luò)的幾點討論
第5章 BP神經(jīng)網(wǎng)絡(luò)
5.1 BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
5.1.1 BP神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)及學習算法
5.1.2 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建
5.1.3 BP神經(jīng)網(wǎng)絡(luò)算法問題的改進討論
5.2 BP神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
5.2.1 BP神經(jīng)網(wǎng)絡(luò)在分類問題中的應用
5.2.2 BP神經(jīng)網(wǎng)絡(luò)在擬合（回歸）問題中的應用
5.2.3 BP神經(jīng)網(wǎng)絡(luò)在信號處理中的應用
5.3 關(guān)于BP神經(jīng)網(wǎng)絡(luò)的幾點討論
第6章 徑向基神經(jīng)網(wǎng)絡(luò)
6.1 徑向基神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
6.1.1 徑向基神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)及學習算法
6.1.2 徑向基神經(jīng)網(wǎng)絡(luò)在擬合問題中的應用分析
6.1.3 徑向基神經(jīng)網(wǎng)絡(luò)在分類問題中的應用分析
6.2 徑向基神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
6.2.1 徑向基神經(jīng)網(wǎng)絡(luò)在擬合（回歸）問題中的應用
6.2.2 徑向基神經(jīng)網(wǎng)絡(luò)在分類問題中的應用
6.2.3 徑向基神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預測中的應用
6.3 關(guān)于徑向基神經(jīng)網(wǎng)絡(luò)的幾點討論
第7章 Hopfield神經(jīng)網(wǎng)絡(luò)
7.1 Hopfield神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
7.1.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)
7.1.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)
7.1.3 Hopfield神經(jīng)網(wǎng)絡(luò)的幾個問題
7.2 Hopfield神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
7.3 關(guān)于Hopfield神經(jīng)網(wǎng)絡(luò)的幾點討論
第8章 SOM神經(jīng)網(wǎng)絡(luò)
8.1 SOM神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
8.1.1 SOM神經(jīng)網(wǎng)絡(luò)的運行原理
8.1.2 SOM神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)及學習算法
8.1.3 SOM神經(jīng)網(wǎng)絡(luò)的訓練
8.1.4 SOM神經(jīng)網(wǎng)絡(luò)的設(shè)計
8.2 SOM神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
8.2.1 二維SOM神經(jīng)網(wǎng)絡(luò)識別分類
8.2.2 SOM神經(jīng)網(wǎng)絡(luò)在故障診斷中的應用
8.2.3 SOM神經(jīng)網(wǎng)絡(luò)的工具箱實現(xiàn)
8.3 關(guān)于SOM神經(jīng)網(wǎng)絡(luò)的幾點討論
第9章 概率神經(jīng)網(wǎng)絡(luò)
9.1 概率神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
9.1.1 概率神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)
9.1.2 概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)模型
9.1.3 概率神經(jīng)網(wǎng)絡(luò)的訓練
9.1.4 概率神經(jīng)網(wǎng)絡(luò)模式分類學習算法
9.2 概率神經(jīng)網(wǎng)絡(luò)的MATLAB實現(xiàn)
9.2.1 基于PNN的鳶尾花分類
9.2.2 變壓器故障診斷
9.2.3 概率神經(jīng)網(wǎng)絡(luò)的工具箱實現(xiàn)
9.2.4 PNN中參數(shù)spread對分類的影響
第三部分 深度學習神經(jīng)網(wǎng)絡(luò)
第10章 深度信念網(wǎng)絡(luò)
10.1 玻耳茲曼機基本結(jié)構(gòu)及學習
10.1.1 玻耳茲曼機的基本結(jié)構(gòu)
10.1.2 玻耳茲曼機的訓練方法
10.2 深度信念網(wǎng)絡(luò)的基本結(jié)構(gòu)
10.3 深度信念網(wǎng)絡(luò)的MATLAB實現(xiàn)
10.3.1 數(shù)據(jù)集
10.3.2 DeeBNet工具箱實現(xiàn)
10.3.3 MATLAB 2019深度學習工具箱的實現(xiàn)案例
第1l章 自編碼器
11.1 自編碼器的基本結(jié)構(gòu)與算法基礎(chǔ)
11.1.1 自編碼器的基本結(jié)構(gòu)
11.1.2 自編碼器的學習算法
11.2 自編碼器的MATLAB實現(xiàn)
11.2.1 堆棧自編碼器的實現(xiàn)案例1
11.2.2 降噪堆棧自編碼的實現(xiàn)
11.2.3 堆棧自編碼器的實現(xiàn)案例2
第12章 卷積神經(jīng)網(wǎng)絡(luò)
12.1 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)與算法基礎(chǔ)
12.1.1 卷積神經(jīng)網(wǎng)絡(luò)的特點
12.1.2 卷積神經(jīng)網(wǎng)絡(luò)的訓練
12.1.3 常見的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
12.2 卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)
12.2.1 卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)1
12.2.2 卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)2
12.2.3 MATLAB 2019b深度學習工具箱
12.2.4 MATLAB 2019b深層網(wǎng)絡(luò)設(shè)計器的實現(xiàn)
第13章 生成對抗網(wǎng)絡(luò)（GAN）
13.1 GAN的起源與發(fā)展
13.1.1 GAN的起源