应用MATLAB实现神经网络

第1章 神经网络概述及matlab介绍
  1.1 人工神经网络基本知识
  1.2 神经网络的发展历程
  1.3 神经网络研究及其应用
  1.4 神经细胞与人工神经元
    1.4.1 生物神经元的特点
    1.4.2 人工神经元模型
  1.5 神经网络的分类
  1.6 神经网络的学习训练
  1.7 matiab入门学习
    1.7.1 matlab的发展史
    1.7.2 matlab的功能
    1.7.3 matlab的语言特点
  1.8 matiab用户界面
    1.8.1 matlab的启动和退出
    1.8.2 matiab工作环境
  1.9 matlab的数值与变量
    1.9.1 matlab的数值
    1.9.2 matlab的变量
第2章 感知器神经网络
  2.1 单层感知器
    2.1.1 单层感知器模型
    2.1.2 单层感知器功能
    2.1.3 单层感知器神经网络结构
  2.2 多层感知器
    2.2.1 多层感知器模型
    2.2.2 多层感知器设计
  2.3 感知器的学习算法
  2.4 感知器神经网络的训练函数
    2.4.1 感知器创建函数
    2.4.2 感知器初始化函数
    2.4.3 感知器显示函数
    2.4.4 感知器仿真函数
    2.4.5 感知器性能函数
    2.4.6 感知器的训练函数
    2.4.7 感知器的学习函数
    2.4.8 感知器的传递函数
  2.5 感知器的局限性
  2.6 感知器神经网络的应用实例分析
    2.6.1 判断气体污染物的分类
    2.6.2 奇异样本对感知器神经网络训练的影响
第3章 线性神经网络
  3.1 线性神经网络模型及结构
    3.1.1 神经元模型
    3.1.2 线性神经网络的结构
  3.2 线性神经网络的学习算法
  3.3 线性神经网络的构建
    3.3.1 生成线性神经元
    3.3.2 线性滤波器
  3.4 线性神经网络的训练
  3.5 线性神经网络的训练函数
    3.5.1 线性网络的创建函数
    3.5.2 线性网络的学习函数
    3.5.3 线性网络的传输函数
    3.5.4 线性网络的权积函数
    3.5.5 线性网络的初始化函数
  3.6 线性神经网络的局限性
    3.6.1 线性相关向量
    3.6.2 学习速率过大
  3.7 线性神经网络应用实例分析
    3.7.1 线性网络在噪声对消中的应用
    3.7.2 线性网络在信号预测中的应用
    3.7.3 线性网络实现异或的应用
第4章 bp神经网络
  4.1 bp神经网络模型及结构
    4.1.1 神经元模型
    4.1.2 前馈型神经网络结构
  4.2 bp神经网络的算法与bp网络推导
    4.2.1 bp神经网络算法
    4.2.2 bp神经网络的推导
  4.3 bp神经网络的训练函数
    4.3.1 bp网络创建函数
    4.3.2 bp网络神经元上的传递函数
    4.3.3 bp网络学习函数
    4.3.4 bp网络训练函数
    4.3.5 bp网络性能函数
    4.3.6 bp网络显示函数
  4.4 bp神经网络的局限性
  4.5 bp神经网络算法的改进
  4.6 bp神经网络的应用实例分析
    4.6.1 利用bp网络去除有关噪声的问题
    4.6.2 基于bp网络的性别识别
第5章 反馈型神经网络
  5.1 反馈神经网络的概述
  5.2 离散hopfield神经网络
    5.2.1 离散型hopfield神经网络模型
    5.2.2 离散hopfield神经网络的稳定性
    5.2.3 离散hopfield神经网络权值的学习
    5.2.4 离散：hopfield神经网络的联想记忆
  5.3 连续hopfielcl神经网络
    5.3.1 连续hopfield神经网络模型结构
    5.3.2 连续hopfield神经网络稳定性
    5.3.3 连续hopfield神经网络的特点
  5.4 hopfield神经网络的训练函数
    5.4.1 hopfield网络的创建函数
    5.4.2 hopfield网络的传递函数
    5.4.3 hopfield网络的辅助函数
  5.5 hopfielcl神经网络应用实例分析
    5.5.1 二神经元hopfield网络设计问题
    5.5.2 hopfield网络的伪平衡点问题
    5.5.3 三神经元的：hopfield网络问题
  5.6 elman神经网络
    5.6.1 elman神经网络结构
    5.6.2 elman神经网络权值修正的学习算法
    5.6.3 elman神经网络权稳定性
    5.6.4 对角递归网络稳定时学习速率的确定
  5.7 elman神经网络的训练函数
  5.8 elman神经网络应用实例分析
第6章 径向基函数神经网络
  6.1 径向基函数神经网络基本原理
    6.1.1 径向基函数的结构模型
  6.2 径向基函数神经网络的学习算法
    6.2.1 随机选取固定中心法
    6.2.2 自组织选取中心
    6.2.3 正交*小二乘法
  6.3 径向基函数神经网络的训练函数
    6.3.1 径向基函数网络创建函数
    6.3.2 径向基函数网络传递函数
    6.3.3 径向基函数网络转换函数
    6.3.4 径向基函数网络权函数
    6.3.5 径向基函数网络输入函数
  6.4 其他径向基函数神经网络
    6.4.1 广义回归神经网络
    6.4.2 概率神经网络
  6.5 径向基函数神经网络的优缺点
  6.6 径向基函数神经网络的应用实例分析
    6.6.1 径向基函数网络用于曲线拟合的问题
    6.6.2 径向基函数网络用于非线性函数回归的问题
第7章 自组织竞争型神经网络
  7.1 自组织竞争型神经网络的模型及结构
  7.2 自组织竞争型神经网络的原理
    7.2.1 自组织竞争网络的学习策略
    7.2.2 自组织竞争网络的学习原理
  7.3 几种常用的联想学习规则
  7.4 自组织竞争型神经网络存在的问题
  7.5 som神经网络
    7.5.1 som神经网络的拓扑结构
    7.5.2 som神经网络的学习算法
    7.5.3 som神经网络的训练过程
  7.6 lvq神经网络
    7.6.1 lvq神经网络结构
    7.6.2 lvq神经网络的学习算法
  7.7 自组织竞争神经网络的训练函数
    7.7.1 自组织竞争神经网络创建函数
    7.7.2 自组织竞争神经网络学习函数
    7.7.3 自组织竞争神经网络传递函数
    7.7.4 自组织竞争神经网络初始化函数
    7.7.5 自组织竞争神经网络结构函数
    7.7.6 自组织竞争神经网络距离函数
    7.7.7 自组织竞争神经网络显示函数
  7.8 自组织竞争神经网络应用实例分析
    7.8.1 基于lvq神经网络的人脸朝向识别问题
    7.8.2 基于som神经网络的故障诊断分析
第8章 matlab编程实现神经网络的应用
  8.1 基于hbf网络的自适应状态观测器设计
    8.1.1 hbf网络
    8.1.2 观测器设计
    8.1.3 仿真验证
  8.2 基于rbf网络的船用柴油机故障诊断
    8.2.1 故障样本集的收集与设计
    8.2.2 网络输出向量设计
  8.3 带有偏差单元的递归神经网络
    8.3.1 bp网络及算法的不足
    8.3.2 带有偏差单元的递归神经网络
    8.3.3 带有偏差单元的递归神经网络的误差反向传播学习规则的数学推导
    8.3.4 带有偏差单元的递归神经网络诊断模型的建立
  8.4 基于fcm优化的rbf网络自适应状态观测器设计
    8.4.1 fcm优化的rbf网络
    8.4.2 自适应状态观测器设计
    8.4.3 仿真验证。  8.5 基于泛函模糊神经网络的gps／ins组合导航系统的软故障诊断
    8.5.1 状态x2检验原理
    8.5.2 泛函模糊神经网络的结构
    8.5.3 仿真验证
第9章 神经网络工具箱的使用
  9.1 自定义神经网络
    9.1.1 自定义一个简单的网络
    9.1.2 自定义一个复杂的网络
    9.1.3 自定义网络的训练
  9.2 自定义神经网络工具箱函数
  9.3 自定义神经网络实用的工具箱函数
参考文献