MATLAB 神經網絡設計與應用 ( 簡體 字) |
| 作者：周品 | 類別：1. -> 工程繪圖與工程計算 -> Matlab |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 35018
詢問書籍請說出此書號！【缺書】
【不接受訂購】 |
| 出版日：2/4/2013 |
| 頁數：398 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
【不接受訂購】 |
| ISBN：9787302313632 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：前 言
MATLAB是由美國MathWorks公司發布的主要面向科學計算、可視化以及交互式程序設計的高科技計算環境。它將數值分析、矩陣計算、科學數據可視化以及非線性動態系統的建模和仿真等諸多強大功能集成在一個易于使用的視窗環境中，為科學研究、工程設計以及必須執行有效數值計算的眾多科學領域提供了一種全面的解決方案，并在很大程度上擺脫了傳統非交互式程序設計語言的編輯模式，代表了當今國際科學計算軟件的先進水平。
一種語言之所以能夠如此迅速地普及和應用，顯示出如此旺盛的生命力是由于它有著不同于其他語言的特點，正如C語言等高級語言使人們擺脫了需要直接對計算機硬件資源進行操作的要求。被稱為第四代計算機語言的MATLAB（簡稱M語言），利用其豐富的函數資源和工具箱資源使編程人員可以根據不同的需要選擇相應的優化函數而不需要編寫煩瑣的程序代碼。該軟件最突出的特點就是簡潔、開放式、便捷性等，并提供了更為直觀、符合人們思維習慣的代碼，同時給用戶帶來最直觀、最簡潔的程序開發環境。目前MATLAB可以說是科學技術工作者必不可少的工具之一，掌握這一重要工具將使日常的學習和工作事半功倍。
MathWorks公司于2012年3月發布了Matlab R2012a。Release 2012a包括MATLAB、Simulink和Polyspace產品的新功能，以及對77種其他產品的更新和補丁修復。
雖然MATLAB最初并不是為控制理論與系統的設計者編寫的，但是MATLAB軟件一出現就很快引起了控制界研究人員的矚目，因為它把看起來相當煩瑣、復雜的矩陣操作變得簡單得令人難以置信，而使用MATLAB可以很容易地繪制各種精美的圖形，從而吸引了控制界的許多名家在自己擅長的領域中編寫許多具有特殊意義的MATLAB工具箱，而這一可自定義編寫特點又反過來使得MATLAB更具有吸引力。目前為止，MATLAB環境下的與控制界面有關的工具箱有：
* 控制系統工具箱（Control system）。
* 頻域系統工具箱（Frequency domain system）。
* 魯棒控制工具箱（Robust control）。
* 系統辨識工具箱（System identification）。
* 信號處理工具箱（Signal processing）。
* 優化工具箱（Optimization）。
* 神經網絡工具箱（Neural network）。
* 樣條工具箱（Splines）。
* 模糊邏輯工具箱（Fuzzy logic）。
* 小波工具箱（Wavelet）。
* 非線性控制設計工具箱（Nonlinear control design）。
MATLAB之所以有如此強大的功能還在于不斷擴大的工具箱應用上，離開了工具箱的應用，MATLAB環境下的操作也僅僅是簡單的矩陣運算與作圖而已。神經網絡工具箱正是MATLAB環境下所開發出來的眾多工具箱之一，它是以人工神經網絡理論為基礎，用MATLAB語言構造出典型神經網絡的激活函數，根據各種典型的修正網絡權值的規則，加上網絡的訓練過程，用MATLAB編寫出各種網絡權值訓練的子程序，網絡的設計者可以根據自己所需去調用工具箱中有關神經網絡的設計與訓練程序，使自己能夠從煩瑣的編程中解脫出來，致力于思考問題和解決問題，從而提高效率和解題質量。
本書在每一章中都給出了大量的應用實例，并全部采用MATLAB以及神經網絡工具箱中的函數來求解，從而使讀者能夠采用工具箱中的函數直接設計、訓練網絡，快速、精確地領會到神經網絡解決問題的能力以及各種網絡的特性。通過本書的學習，讀者可在理解和掌握了人工神經網絡理論的同時，運用MATLAB程序來設計網絡，將其用于解決實際問題。
本書共分為10章，每章的主要內容提示如下。
第1章：MATLAB軟件介紹及入門知識。主要介紹了MATLAB基本功能、MATLAB特點、數組與矩陣及程序結構等內容。
第2章：神經網絡概述。主要介紹了神經網絡的概念、神經網絡的發展史、神經元結構特點及神經網絡的類型等內容。
第3章：感知器網絡。主要介紹了感知器的神經網絡工具箱函數、單層感知器及多層感知器等內容。
第4章：線性神經網絡。主要介紹了線性神經網絡工具箱函數、線性神經網絡模型及結構、線性神經網絡的應用等內容。
第5章：BP神經網絡。主要介紹了BP神經網絡工具箱函數、BP網絡模型及結構、BP網絡泛化能力提高及BP網絡典型應用等內容。
第6章：反饋神經網絡。主要介紹了Hopfield神經網絡、Hopfield神經網絡函數及應用、Elman神經網絡及其應用等內容。
第7章：徑向基神經網絡。主要介紹了RBF神經網絡模型、RBF網的數學基礎、RBF神經網絡的學習算法及徑向基網絡應用等內容。
第8章：自組織神經網絡。主要介紹了自組織特征映射網絡、自組織特征映射神經網絡、LVQ神經網絡及自適應共振理論（ART）模型等內容。
第9章：其他神經網絡。主要介紹了Boltzmann神經網絡、BSB神經網絡、模糊神經網絡及自定義神經網絡等內容。
第10章：神經網絡在實際領域中的應用。主要介紹了地震預測、配送中心選址、人臉識別及農作物蟲害預測等內容。
本書可以作為廣大在校本科生和研究生的學習用書，也可以作為廣大科研人員、學者、工程技術人員的參考用書。
本書主要由周品編著，此外參加編寫的還有李曉東、丁偉雄、雷曉平、李婭、楊文茵、何正風、趙新芬、趙書梅、欒穎、劉志為、周靈、趙書蘭、張德豐、余智豪和崔如春等。
由于時間倉促，加之作者水平有限，錯誤和疏漏之處在所難免。在此，誠懇地期望得到各領域的專家和廣大讀者的批評指正。
編 者
·II·
·III·
|
內容簡介： 本書以最新版MATLAB R2012a為平臺編寫，結合高等學校教學對MATLAB及其在神經網絡的應用需要，從實用角度出發，對MATLAB入門及其使用、神經網絡基本原理及應用展開介紹，詳盡地講述感知器網絡、線性神經網絡、BP神經網絡、反饋神經網絡、徑向基神經網絡及自組織神經網絡等內容，最后進一步擴展介紹神經網絡在其他工程領域的實際應用。
本書可以作為廣大在校本科生和研究生的學習用書，也可以作為廣大科研人員、學者、工程技術人員的參考用書。
|
目錄：目 錄
第1章 MATLAB軟件介紹及入門知識 1
1.1 MATLAB入門認識 1
1.1.1 MATLAB基本功能 1
1.1.2 MATLAB的特點 2
1.1.3 MATLAB R2012a的新功能 3
1.1.4 MATLAB的發展史 4
1.2 MATLAB用戶界面概述 5
1.2.1 MATLAB啟動和退出 5
1.2.2 MATLAB主菜單及功能 6
1.2.3 MATLAB組成環境 11
1.2.4 MATLAB的幫助文檔 16
1.3 變量與常量 21
1.3.1 變量 22
1.3.2 常量 24
1.4 數組與矩陣 25
1.4.1 矩陣的創建 25
1.4.2 矩陣與數組的運算 27
1.4.3 關系運算符 33
1.4.4 邏輯運算符 34
1.4.5 特殊矩陣 35
1.4.6 特殊矩陣操作 39
1.5 程序結構 42
1.5.1 順序結構 42
1.5.2 循環結構 43
1.5.3 分支結構 47
1.5.4 錯誤控制結構 51
1.5.5 程序流程控制 53
第2章 神經網絡概述 55
2.1 人工神經網絡概念 55
2.2 神經網絡概述 56
2.3 神經網絡的發展史 57
2.3.1 神經網絡的起始 57
2.3.2 神經網絡的蕭條 59
2.3.3 神經網絡興盛 60
2.4 神經元 62
2.4.1 生物神經元結構特點 62
2.4.2 神經元的基本功能 63
2.4.3 人工神經元模型 64
2.5 神經網絡的類型 65
2.5.1 單層前向神經網絡 66
2.5.2 多層前向神經網絡 66
2.5.3 反饋網絡 67
2.5.4 隨機神經網絡 67
2.5.5 競爭神經網絡 67
2.6 神經網絡的學習 68
2.6.1 神經網絡的學習方式 68
2.6.2 神經網絡的學習規則 69
2.7 神經網絡的特點與優點 71
2.7.1 神經網絡的特點 71
2.7.2 神經網絡的優點 72
2.8 神經網絡研究的方向 73
2.9 人工神經網絡與智能神經網絡 73
2.9.1 人工智能的概述 74
2.9.2 人工神經元與人工智能相比較 75
2.10 神經網絡工具箱通用函數 76
2.10.1 神經網絡仿真函數 79
2.10.2 神經網絡訓練函數 81
2.10.3 神經網絡學習函數 84
2.10.4 神經網絡初始函數 87
2.10.5 神經網絡輸入函數 88
2.10.6 神經網絡的傳遞函數 90
2.10.7 神經網絡求點積函數 93
第3章 感知器網絡 94
3.1 感知器的神經網絡工具箱函數 94
3.1.1 創建函數 94
3.1.2 顯示函數 97
3.1.3 性能函數 99
3.2 單層感知器 103
3.2.1 單層感知器模型 103
3.2.2 單層感知器功能 104
3.2.3 單層感知器結構 107
3.2.4 單層感知器學習算法 108
3.2.5 單層感知器訓練 109
3.2.6 單層感知器局限性 110
3.2.7 單層感知器的MATLAB實現 111
3.3 多層感知器 118
3.3.1 多層感知器模型 118
3.3.2 多層感知器設計方法 118
3.3.3 多層感知器的MATLAB實現 119
第4章 線性神經網絡 124
4.1 線性神經網絡工具箱函數 124
4.1.1 創建函數 124
4.1.2 學習函數 126
4.1.3 性能函數 128
4.2 線性神經網絡模型及結構 129
4.2.1 線性神經網絡模型 129
4.2.2 線性神經網絡的結構 130
4.3 線性神經網絡的學習算法與訓練 130
4.3.1 線性神經網絡的學習算法 130
4.3.2 線性神經網絡的訓練 132
4.4 線性神經網絡的濾波器 134
4.5 線性神經網絡與感知器神經網絡的對比 137
4.6 線性神經網絡的應用 138
4.6.1 線性化建模 138
4.6.2 模式分類 143
4.6.3 消噪處理 144
4.6.4 系統辨識 146
4.6.5 系統預測 148
第5章 BP神經網絡 153
5.1 BP神經網絡工具箱函數 154
5.1.1 創建函數 154
5.1.2 傳遞函數 156
5.1.3 學習函數 158
5.1.4 訓練函數 159
5.1.5 性能函數 162
5.1.6 顯示函數 163
5.2 BP網絡模型及結構 164
5.2.1 BP網絡模型 164
5.2.2 BP網絡學習算法 166
5.2.3 BP神經網絡特點 171
5.2.4 BP網絡功能 171
5.2.5 BP網絡實例分析 171
5.3 BP網絡泛化能力提高 179
5.3.1 歸一化 180
5.3.2 提前終止法 182
5.4 BP網絡的局限性 184
5.5 BP網絡典型應用 184
第6章 反饋神經網絡 193
6.1 反饋網絡的概述 193
6.1.1 反饋神經網絡概念 195
6.1.2 前饋與反饋神經網絡的區別 196
6.1.3 反饋型神經網絡模型 197
6.2 Hopfield神經網絡 198
6.2.1 離散型Hopfield網絡 198
6.2.2 DHNN的動力學穩定性 201
6.2.3 網絡權值的學習 203
6.2.4 聯想記憶功能 205
6.3 連續型Hopfield網絡 206
6.3.1 網絡結構與數學模型 207
6.3.2 網絡穩定性 208
6.3.3 連續型Hopfield網絡特點 209
6.4 Hopfield神經網絡函數及應用 209
6.4.1 Hopfield神經網絡函數 209
6.4.2 Hopfield神經網絡的應用 212
6.5 Elman神經網絡 224
6.5.1 Elman神經網絡結構 224
6.5.2 Elman神經網絡權值修正的學習算法 225
6.5.3 Elman網絡穩定性推導 227
6.5.4 對角遞歸網絡穩定時學習速率的確定 228
6.5.5 Elman神經網絡在數據預測中的應用 229
第7章 徑向基神經網絡 232
7.1 RBF神經網絡模型 232
7.1.1 RBF神經元模型 232
7.1.2 RBF神經網絡模型 233
7.2 RBF網的數學基礎 234
7.2.1 內插問題 234
7.2.2 正則化網絡 235
7.3 RBF神經網絡的學習算法 236
7.3.1 自組織選取中心法 236
7.3.2 梯度訓練方法 237
7.3.3 正交最小二乘（OLS）學習算法 238
7.4 其他徑向基神經網絡 239
7.4.1 廣義回歸神經網絡 239
7.4.2 泛化回歸神經網絡 240
7.4.3 概率神經網絡 241
7.5 RBF神經網絡MATLAB函數 242
7.5.1 創建函數 242
7.5.2 權函數 245
7.5.3 輸入函數 246
7.5.4 傳遞函數 247
7.5.5 mse函數 247
7.5.6 變換函數 248
7.6 徑向基網絡應用 249
7.7 徑向基神經網絡優缺點 267
第8章 自組織神經網絡 269
8.1 自組織特征映射網絡 269
8.1.1 競爭學習的概念 270
8.1.2 競爭學習規則 271
8.1.3 競爭學習原理 273
8.1.4 競爭神經網絡MATLAB實現 275
8.1.5 競爭型神經網絡存在的問題 279
8.2 自組織特征映射神經網絡 279
8.2.1 SOM網絡的生物學基礎 280
8.2.2 SOM網絡拓撲結構 280
8.2.3 SOM網絡的權值調整 281
8.2.4 SOM網絡的MATLAB實現 283
8.2.5 SOM網絡的應用 291
8.3 LVQ神經網絡 302
8.3.1 LVQ神經網絡的結構 302
8.3.2 LVQ神經網絡的學習算法 303
8.3.3 LVQ神經網絡的特點 304
8.3.4 LVQ神經網絡的MATLAB函數 305
8.3.5 LVQ神經網絡的應用 307
8.4 自適應共振理論（ART）模型 311
8.4.1 ART-1型網絡 312
8.4.2 ART-2型網絡 317
8.5 CP神經網絡 321
8.5.1 CP神經網絡概述 322
8.5.2 CP網絡學習 322
8.5.3 CP網絡應用 324
第9章 其他神經網絡 330
9.1 Boltzmann神經網絡 330
9.1.1 BM網絡的基本結構 330
9.1.2 BM模型的學習 330
9.1.3 BM網絡的實現 333
9.2 BSB神經網絡 335
9.2.1 BSB神經網絡模型 335
9.2.2 BSB網絡的實現函數 335
9.3 模糊神經網絡 337
9.3.1 模糊神經網絡的形式 337
9.3.2 神經網絡和模糊控制結合的優點 339
9.3.3 神經模糊控制器 339
9.3.4 神經模糊控制器的學習算法 342
9.3.5 模糊神經網絡MATLAB函數 344
9.3.6 MATLAB模糊神經推理系統的圖形用戶界面 350
9.4 Simulink神經網絡 352
9.4.1 Simulink神經網絡仿真模型庫 353
9.4.2 Simulink神經網絡應用 357
9.5 自定義神經網絡 361
9.5.1 自定義神經網絡的創建 361
9.5.2 自定義神經網絡的初始化、訓練與仿真 373
第10章 神經網絡在實際領域中的應用 377
10.1 地震預報 377
10.1.1 問題概述 377
10.1.2 網絡設計 378
10.1.3 網絡訓練與測試 379
10.1.4 網絡實現 383
10.2 配送中心選址 385
10.2.1 問題概述 386
10.2.2 網絡實現 386
10.3 人臉識別 389
10.3.1 模型建立 389
10.3.2 網絡實現 390
10.4 農作物蟲害預測 394
10.4.1 蟲害預測原理 394
10.4.2 網絡實現 395
參考文獻 399
網上參考資源 400
·X·
·XI·
|
| 序： |
