神经网络理论与MATLAB R2007实现【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

神经网络理论与MATLAB R2007实现PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 概述1

1.1 神经网络基础知识1

1.1.1 神经网络发展史2

1.1.2 神经网络模型3

1.1.3 神经网络的应用8

1.2 MATLAB语言及入门8

1.2.1 MATLAB概述8

1.2.2 MATLAB语言特点10

1.2.3 MATLAB快速入门12

1.3 MATLAB神经网络工具箱22

1.4 小结24

第2章 神经网络工具箱函数及实例25

2.1 神经网络工具箱中的通用函数25

2.1.1 神经网络仿真函数sim&.26

2.1.2 神经网络训练及学习函数27

2.1.3 神经网络初始化函数30

2.1.4 神经网络输入函数32

2.1.5 神经网络传递函数33

2.1.6 其他重要函数35

2.2 感知器的神经网络工具箱函数35

2.2.1 感知器创建函数36

2.2.2 显示函数36

2.2.3 性能函数37

2.3 线性网络的神经网络工具箱函数42

2.3.1 线性网络创建和设计函数42

2.3.2 学习函数43

2.4 BP网络的神经网络工具箱函数46

2.4.1 BP网络创建函数47

2.4.2 神经元上的传递函数48

2.4.3 BP网络学习函数51

2.4.4 BP网络训练函数52

2.4.5 性能函数54

2.4.6 显示函数55

2.5 反馈网络的神经网络工具箱函数61

2.5.1 动态网络的创建函数62

2.5.2 Hopfield网络的工具箱函数64

2.5.3 Elman网络的工具箱函数66

2.6 径向基网络的神经网络工具箱函数67

2.6.1 神经网络创建函数68

2.6.2 转换函数69

2.6.3 传递函数69

2.7 自组织竞争网络的神经网络工具箱函数72

2.7.1 神经网络创建函数73

2.7.2 传递函数74

2.7.3 距离函数76

2.7.4 学习函数78

2.7.5 初始化函数79

2.7.6 权值函数80

2.7.7 显示函数80

2.7.8 结构函数81

2.8 小结87

第3章 前向型神经网络理论及MATLAB实现89

3.1 感知器网络及MATLAB实现89

3.1.1 单层感知器网络90

3.1.2 多层感知器96

3.2 线性神经网络及MATLAB实现100

3.2.1 线性神经网络的结构100

3.2.2 线性神经网络的学习101

3.2.3 线性网络的MATLAB仿真101

3.3 BP网络及MATLAB实现108

3.3.1 BP网络理论108

3.3.2 BP网络的MATLAB设计113

3.4 径向基函数网络及MATLAB实现117

3.4.1 径向基网络结构117

3.4.2 径向基函数的学习过程118

3.4.3 RBF网络应用实例120

3.4.4 基于RBF网络的非线性滤波122

3.4.5 基于GRNN的函数逼近124

3.4.6 基于概率神经网络的分类126

3.5 GMDH网络及MATLAB实现128

3.5.1 GMDH网络理论128

3.5.2 GMDH网络的训练129

3.5.3 基于GMDH网络的预测130

3.6 小结131

第4章 反馈型神经网络理论及MATLAB实现133

4.1 反馈网络的概念133

4.2 Elman神经网络及应用136

4.2.1 Elman神经网络结构136

4.2.2 Elman神经网络的学习过程136

4.2.3 Elman神经网络的工程应用137

4.2.4 基于Elman网络的空调负荷预测141

4.3 Hopfield神经网络及MATLAB实现145

4.3.1 Hopfield网络描述145

4.3.2 Hopfield网络的学习过程146

4.3.3 几个重要结论147

4.3.4 Hopfield网络的MATLAB开发147

4.3.5 基于Hopfield网络的数字识别150

4.4 CG网络模型及应用152

4.4.1 CG神经网络理论152

4.4.2 基于CG网络的有限元分析153

4.5 盒中脑（BSB）模型及MATLAB实现153

4.5.1 BSB神经网络模型描述153

4.5.2 BSB的MATLAB实现154

4.6 双向联想记忆（BAM）及MATLAB实现156

4.6.1 Kosko型BAM网络模型156

4.6.2 BAM网络的实例分析157

4.7 回归BP网络及应用159

4.7.1 回归BP网络概述159

4.7.2 基于回归BP网络的房价预测160

4.8 Boltzmann机网络及仿真161

4.8.1 BM网络的基本结构161

4.8.2 BM模型的工作规则和学习规则161

4.8.3 BM网络的MATLAB仿真165

4.9 小结167

第5章 自组织与LVQ神经网络理论及MATLAB实现169

5.1 自组织竞争网络及MATLAB实现169

5.1.1 基本竞争型神经网络概述169

5.1.2 自组织竞争网络的应用173

5.2 自组织特征映射（SOM）神经网络及MATLAB实现175

5.2.1 SOM网络的结构176

5.2.2 SOM网络学习算法177

5.2.3 基于SOM网络的土壤分类178

5.2.4 基于SOM网络的人口分类180

5.3 自适应共振理论模型（ART）及MATLAB实现185

5.3.1 ART-1型网络模型描述185

5.3.2 ART-1网络的学习及工作过程186

5.3.3 ART-1网络的应用实例187

5.4 学习矢量量化（LVQ）神经网络及MATLAB实现190

5.4.1 LVQ网络的结构190

5.4.2 LVQ网络的学习规则191

5.4.3 基于LVQ网络的模式识别192

5.5 对向传播网络（CPN）及MATLAB实现196

5.5.1 CPN概述196

5.5.2 CPN应用实例199

5.6 小结204

第6章 图形用户接口GUI205

6.1 概述205

6.2 网络设计206

6.3 网络训练与仿真207

6.4 数据操作210

6.4.1 工作空间到GUI的数据导入210

6.4.2 GUI到工作空间的数据导出211

6.4.3 数据的存储和读取212

6.4.4 数据删除214

6.5 神经网络拟合工具箱的图形界面214

6.6 小结217

第7章 神经网络控制理论及应用设计219

7.1 神经网络控制结构219

7.1.1 神经网络监督控制219

7.1.2 神经网络直接逆控制221

7.1.3 NN自适应控制221

7.1.4 神经网络内模控制222

7.1.5 神经网络预测控制223

7.1.6 神经网络自适应评判控制223

7.2 反馈线性化控制及MATLAB实现225

7.2.1 基于神经网络的反馈线性化控制原理225

7.2.2 反馈线性化控制实例226

7.3 基于Simulink的神经网络控制230

7.3.1 基于神经网络的MPC原理230

7.3.2 模型预测控制实例231

7.4 小结237

第8章 基于神经网络的故障诊断239

8.1 神经网络与故障模式识别240

8.1.1 常用的模式识别方法240

8.1.2 神经网络在故障模式识别中应用240

8.2 基于BP网络和Elman网络的齿轮箱故障诊断242

8.2.1 工程描述242

8.2.2 输入和目标向量设计242

8.2.3 BP网络设计243

8.2.4 Elman网络设计246

8.3 基于SOM网络的回热系统故障诊断248

8.3.1 背景248

8.3.2 SOM网络设计249

8.4 基于概率神经网络的故障诊断251

8.4.1 概述251

8.4.2 基于PNN的故障诊断251

8.4.3 结论254

8.5 基于BP网络的设备状态分类器设计254

8.5.1 BP网络设计254

8.5.2 网络训练256

8.5.3 网络测试与应用257

8.6 基于RBF网络的船用柴油机故障诊断258

8.6.1 问题描述258

8.6.2 涡轮增压系统的故障诊断259

8.6.3 网络设计261

8.7 RBF神经网络在旋转机械故障诊断中的应用263

8.7.1 问题概述263

8.7.2 RBF神经网络设计264

8.8 小结267

第9章 基于神经网络的预测269

9.1 引言269

9.2 基于神经网络的预测原理270

9.2.1 正向建模270

9.2.2 逆向建模270

9.3 电力系统负荷预报的MATLAB实现271

9.3.1 问题描述272

9.3.2 输入／输出向量设计272

9.3.3 BP网络设计273

9.3.4 网络训练274

9.4 河道浅滩演变预测的MATLAB实现276

9.4.1 基于BP网络的演变预测276

9.4.2 基于RBF网络的演变预测282

9.4.3 结论283

9.5 地震预报的MATLAB实现283

9.5.1 概述284

9.5.2 BP网络设计284

9.5.3 BP网络训练与测试285

9.5.4 地震预测的竞争网络模型289

9.6 交通运输能力预测的MATLAB实现291

9.6.1 背景概述292

9.6.2 网络创建与训练292

9.6.3 结论与分析296

9.7 股市预测的MATLAB实现298

9.7.1 股市概述299

9.7.2 网络训练与测试300

9.8 财务失败预测的MATLAB实现301

9.8.1 问题描述302

9.8.2 样本的收集和处理302

9.9 农作物虫情预测的MATLAB实现304

9.9.1 基于神经网络的虫情预测原理305

9.9.2 BP网络设计305

9.10 用水量预测的MATLAB实现308

9.10.1 问题概述309

9.10.2 RBF网络设计309

9.11 小结311

第10章 基于神经网络的模糊控制313

10.1 引言313

10.2 神经网络模糊控制的结构和特征313

10.2.1 神经网络模糊控制器的结构314

10.2.2 神经网络模糊控制器的特征314

10.2.3 神经网络模糊控制器的应用实例316

10.3 基于MATLAB的神经模糊控制洗衣机仿真319

10.3.1 洗衣机的模糊控制319

10.3.2 洗衣机的神经网络模糊控制器的设计321

10.4 模糊神经网络在配送中心选址中的应用324

10.4.1 问题描述325

10.4.2 网络设计325

10.5 小结328

第11章 基于神经网络的自适应噪声抵消技术329

11.1 引言329

11.2 自适应噪声抵消实现原理330

11.2.1 自适应滤波器330

11.2.2 自适应噪声抵消系统基本原理330

11.3 噪声抵消系统的MATLAB仿真332

11.3.1 BP网络模型建立332

11.3.2 基于神经网络工具箱的BP网络学习和训练332

11.3.3 基于Simulink的噪声抵消系统设计及动态仿真334

11.4 小结336

参考文献337