│ 3ds Max│ Maya│ Rhino│ After Effects│ SketchUp│ ZBrush│ Painter│ Unity│
│ PhotoShop│ AutoCad│ MasterCam│ SolidWorks│ Creo│ UG│ Revit│ Nuke│
│ C#│ C│ C++│ Java│ 遊戲程式│ Linux│ 嵌入式│ PLC│ FPGA│ Matlab│
│ 駭客│ 資料庫│ 搜索引擎│ 影像處理│ Fluent│ VR+AR│ ANSYS│ 深度學習│
│ 單晶片│ AVR│ OpenGL│ Arduino│ Raspberry Pi│ 電路設計│ Cadence│ Protel│
│ Hadoop│ Python│ Stm32│ Cortex│ Labview│ 手機程式│ Android│ iPhone│
可查書名,作者,ISBN,3dwoo書號 目前顯示有庫存 顯示全部書籍 詳細書籍分類

MATLAB神經網絡43個案例分析 ( 簡體 字)
作者：王小川　等編著	類別：1. -> 工程繪圖與工程計算 -> Matlab
譯者：
出版社：北京航空航天大學出版社	3dWoo書號： 36923 詢問書籍請說出此書號！ 【缺書】 【不接受訂購】
出版日：8/1/2013
頁數：394
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：9787512412026
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：
內容簡介： 《MATLAB神經網絡43個案例分析》是在《MATLAB神經網絡30個案例分析》的基礎上修改、補充而成的，秉承著“理論講解—案例分析—應用擴展”這一特色，幫助讀者更加直觀、生動地學習神經網絡。 　　本書共有43章，內容涵蓋常見的神經網絡（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相關智能算法（SVM、決策樹、隨機森林、極限學習機等）。同時，部分章節也涉及了常見的優化算法（遺傳算法、蟻群算法等）與神經網絡的結合問題。此外，本書還介紹了MATLAB R2012b中神經網絡工具箱的新增功能與特性，如神經網絡并行計算、定制神經網絡、神經網絡高效編程等。 　　使用本書時，建議讀者按照“先通讀章節內容，后調試程序，再精讀章節內容”的順序學習。本書程序建議在MATLAB R2009a及以上版本環境下運行。若在程序調試過程中有任何疑問，建議先在論壇書籍答疑版塊搜索相關答案，然后再發帖與作者交流。 　　本書可作為高等學校相關專業學生本科畢業設計、研究生課題研究的參考書籍，亦可供相關專業教師教學參考。
目錄： 第1章　BP神經網絡的數據分類——語音特征信號分類 1.1　案例背景 1.1.1　BP神經網絡概述 1.1.2　語音特征信號識別 1.2　模型建立 1.3　MATLAB實現 1.3.1　歸一化方法及MATLAB函數 1.3.2　數據選擇和歸一化 1.3.3　BP神經網絡結構初始化 1.3.4　BP神經網絡訓練 1.3.5　BP神經網絡分類 1.3.6　結果分析 1.4　案例擴展 1.4.1　隱含層節點數 1.4.2　附加動量方法 1.4.3　變學習率學習算法 參考文獻 第2章　BP神經網絡的非線性系統建模——非線性函數擬合 2.1　案例背景 2.2　模型建立 2.3　MATLAB實現 2.3.1　BP神經網絡工具箱函數 2.3.2　數據選擇和歸一化 2.3.3　BP神經網絡訓練 2.3.4　BP神經網絡預測 2.3.5　結果分析 2.4　案例擴展 2.4.1　多隱含層BP神經網絡 2.4.2　隱含層節點數 2.4.3　訓練數據對預測精度影響 2.4.4　節點轉移函數 2.4.5　網絡擬合的局限性 參考文獻 第3章　遺傳算法優化BP神經網絡——非線性函數擬合 3.1　案例背景 3.1.1　遺傳算法原理 3.1.2　遺傳算法的基本要素 3.1.3　擬合函數 3.2　模型建立 3.2.1　算法流程 3.2.2　遺傳算法實現 3.3　編程實現 3.3.1　適應度函數 3.3.2　選擇操作 3.3.3　交叉操作 3.3.4　變異操作 3.3.5　遺傳算法主函數 3.3.6　遺傳算法優化的BP神經網絡函數擬合 3.3.7　結果分析 3.4　案例擴展 3.4.1　其他優化方法 3.4.2　網絡結構優化 3.4.3　算法的局限性 參考文獻 第4章　神經網絡遺傳算法函數極值尋優——非線性函數極值尋優 4.1　案例背景 4.2　模型建立 4.3　編程實現 4.3.1　BP神經網絡訓練 4.3.2　適應度函數 4.3.3　遺傳算法主函數 4.3.4　結果分析 4.4　案例擴展 4.4.1　工程實例 4.4.2　預測精度探討 參考文獻 第5章　基于BP_Adaboost的強分類器設計——公司財務預警建模 5.1　案例背景 5.1.1　BP_Adaboost模型 5.1.2　公司財務預警系統介紹 5.2　模型建立 5.3　編程實現 5.3.1　數據集選擇 5.3.2　弱分類器學習分類 5.3.3　強分類器分類和結果統計 5.3.4　結果分析 5.4　案例擴展 5.4.1　數據集選擇 5.4.2　弱預測器學習預測 5.4.3　強預測器預測 5.4.4　結果分析 參考文獻 第6章　PID神經元網絡解耦控制算法——多變量系統控制 6.1　案例背景 6.1.1　PID神經元網絡結構 6.1.2　控制律計算 6.1.3　權值修正 6.1.4　控制對象 6.2　模型建立 6.3　編程實現 6.3.1　PID神經網絡初始化 6.3.2　控制律計算 6.3.3　權值修正 6.3.4　結果分析 6.4　案例擴展 6.4.1　增加動量項 6.4.2　神經元系數 6.4.3　PID神經元網絡權值優化 參考文獻 第7章　RBF網絡的回歸——非線性函數回歸的實現 第8章　GRNN的數據預測——基于廣義回歸神經網絡的貨運量預測 第9章　離散Hopfield神經網絡的聯想記憶——數字識別 第10章　離散Hopfield神經網絡的分類——高校科研能力評價 第11章　連續Hopfield神經網絡的優化——旅行商問題優化計算 第12章　初識SVM分類與回歸 第13章　LIBSVM參數實例詳解 第14章　基于SVM的數據分類預測——意大利葡萄酒種類識別 第15章　SVM的參數優化——如何更好地提升分類器的性能 第16章　基于SVM的回歸預測分析——上證指數開盤指數預測 第17章　基于SVM的信息粒化時序回歸預測——上證指數開盤指數變化趨勢和變化空間預測 第18章　基于SVM的圖像分割——真彩色圖像分割 第19章　基于SVM的手寫字體識別 第20章　LIBSVMFarutoUltimate工具箱及GUI版本介紹與使用 第21章　自組織競爭網絡在模式分類中的應用——患者癌癥發病預測 第22章　SOM神經網絡的數據分類——柴油機故障診斷 第23章　Elman神經網絡的數據預測——電力負荷預測模型研究 第24章　概率神經網絡的分類預測——基于PNN的變壓器故障診斷 第25章　基于MIV的神經網絡變量篩選——基于BP的神經網絡變量篩選 第26章　LVQ神經網絡的分類——乳腺腫瘤診斷 第27章　LVQ神經網絡的預測——人臉朝向識別 第28章　決策樹分類器的應用研究——乳腺癌診斷 第29章　極限學習機在回歸擬合及分類問題中的應用研究——對比實驗 第30章　基于隨機森林思想的組合分類器設計——乳腺癌診斷 第31章　思維進化算法優化BP神經網絡——非線性函數擬合 第32章　小波神經網絡的時間序列預測——短時交通流量預測 第33章　模糊神經網絡的預測算法——嘉陵江水質評價 第34章　廣義神經網絡的聚類算法——網絡入侵聚類 第35章　粒子群優化算法的尋優算法——非線性函數極值尋優 第36章　遺傳算法優化計算——建模自變量降維 第37章　基于灰色神經網絡的預測算法研究——訂單需求預測 第38章　基于Kohonen網絡的聚類算法——網絡入侵聚類 第39章　神經網絡GUI的實現——基于GUI的神經網絡擬合、模式識別、聚類 第40章　動態神經網絡時間序列預測研究——基于MATLAB的NARX實現 第41章　定制神經網絡的實現——神經網絡的個性化建模與仿真 第42章　并行運算與神經網絡——基于CPU/GPU的并行神經網絡運算 第43章　神經網絡高效編程技巧——基于MATLAB R2012b新版本特性的探討
序：