-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

MATLAB神經網路超級學習手冊

( 簡體 字)
作者:MATLAB技術聯盟,劉冰,郭海霞類別:1. -> 工程繪圖與工程計算 -> Matlab
譯者:
出版社:人民郵電出版社MATLAB神經網路超級學習手冊 3dWoo書號: 38416
詢問書籍請說出此書號!

缺書
NT售價: 345

出版日:5/1/2014
頁數:463
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787115349484
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(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神經網絡超級學習手冊》以新近推出的MATLAB R2013a神經網絡工具箱為基礎,系統全面地介紹了神經網絡的各種概念和應用。《MATLAB神經網絡超級學習手冊》按邏輯編排,自始至終采用實例描述;內容完整且每章相對獨立,是一本不可多得的掌握MATLAB神經網絡的學習用書。
  全書共分為16章,從MATLAB簡介開始,詳細介紹了MATLAB的基礎知識、MATLAB程序設計、人工神經網絡概述、感知器、線性神經網絡、BP神經網絡、RBF神經網絡、反饋型神經網絡、競爭型神經網絡、神經網絡在Simulink中的應用、神經網絡GUI、自定義神經網絡及函數等內容。在本書最后,還詳細介紹了神經網絡在MATLAB中的幾種應用方法。
  《MATLAB神經網絡超級學習手冊》以神經網絡結構為主線,以學習算法為副線,結合各種實例,目的是使讀者易看懂、會應用。本書是一本簡明介紹MATLAB神經網絡設計技能的綜合性用書。《MATLAB神經網絡超級學習手冊》深入淺出,實例引導,講解詳實,既可以作為高等院校理工科的研究生、本科生的教材,也可作為廣大科研工程技術人員的參考用書。
目錄:

第1章 MATLAB簡介 1
1.1 MATLAB的發展 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 存取數據文件 17
1.5 MATLAB R2013a的幫助系統 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數據類型概述 24
2.1.2 常量與變量 25
2.1.3 標量、向量、矩陣與數組 26
2.1.4 運算符 28
2.1.5 命令、函數、表達式和語句 30
2.2 MATLAB中的數組 31
2.2.1 數組的保存和裝載 31
2.2.2 數組索引和尋址 32
2.2.3 數組的擴展和裁剪 34
2.2.4 數組形狀的改變 40
2.2.5 數組運算 43
2.2.6 數組的查找 46
2.2.7 數組的排序 47
2.2.8 高維數組的降維操作 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 函數文件 57
2.4.6 函數調用 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循環結構 68
3.1.4 for循環結構 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 數據的輸入輸出 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數據文件的存儲/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 二進制數據文件的存儲/讀取(fwrite/fread) 76
3.3.6 數據文件行存儲/讀取(fgetl/fgets) 77
3.4 MATLAB文件操作 77
3.5 MATLAB程序優化 79
3.5.1 效率優化(時間優化) 79
3.5.2 內存優化(空間優化) 80
3.5.3 編程注意事項 85
3.5.4 幾個常用數學方法的算法程序 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 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 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 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 167
7.2.2 隱含層的神經元數 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 168
7.4 BP神經網絡的工程應用 173
7.4.1 BP網絡在函數逼近中的應用 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 196
8.2 RBF神經網絡的學習算法 196
8.3 RBF網絡工具箱函數 198
8.3.1 RBF工具箱函數 198
8.3.2 轉換函數 200
8.3.3 傳遞函數 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 狀態軌跡 221
9.2.3 狀態軌跡發散 221
9.3 Hopfield網絡工具箱函數 222
9.3.1 Hopfield網絡創建函數 223
9.3.2 Hopfield網絡傳遞函數 227
9.4 離散型Hopfield網絡 228
9.4.1 DHNN模型結構 228
9.4.2 聯想記憶 229
9.4.3 DHNN的海布(Hebb)學習規則 232
9.4.4 DHNN權值設計的其他方法 233
9.5 連續型Hopfield網絡 235
9.6 Elman網絡 242
9.6.1 Elman網絡結構 243
9.6.2 Elman網絡創建函數 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 幾種聯想學習規則 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 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 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數據操作 358
12.3.1 從Workspace導入數據到GUI 358
12.3.2 從GUI中導出數據到Workspace 360
12.3.3 數據的存儲和讀取 363
12.3.4 數據的刪除 365
12.4 本章小結 365

第13章 自定義神經網絡及函數 366
13.1 自定義神經網絡 366
13.1.1 網絡的創建 367
13.1.2 網絡的初始化、訓練和仿真 382
13.2 自定義函數 386
13.2.1 初始化函數 386
13.2.2 學習函數 387
13.2.3 仿真函數 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化問題 394
14.2.3 退火算法的參數控制 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 數據擬合 416
16.1.2 數據預測 423
16.1.3 函數逼近 429
16.2 PID神經網絡控制 433
16.3 遺傳算法優化神經網絡 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
序: