包邮MATLAB神经网络分析及应用

第1章 神经网络应用广泛的原因11.1　人工神经网络的定义11.1.1　神经网络基本概述11.1.2　人工神经元的基本特征11.1.3　人工神经元的特点与优越性21.2　人工神经网络的类型21.2.1　单层前向网络31.2.2　多层前向网络31.2.3　反馈网络41.2.4　竞争型神经网络41.2.5　深度神经网络41.3　人工神经网络的应用51.4　神经网络的发展史51.4.1　模型提出6第1章 神经网络应用广泛的原因11.1　人工神经网络的定义11.1.1　神经网络基本概述11.1.2　人工神经元的基本特征11.1.3　人工神经元的特点与优越性21.2　人工神经网络的类型21.2.1　单层前向网络31.2.2　多层前向网络31.2.3　反馈网络41.2.4　竞争型神经网络41.2.5　深度神经网络41.3　人工神经网络的应用51.4　神经网络的发展史51.4.1　模型提出61.4.2　冰河期61.4.3　反向传播引起的复兴61.4.4　第二次低潮71.4.5　深度学习的崛起71.5　神经网络学习8第2章 MATLAB快速入门102.1　MATLAB功能及发展102.1.1　MATLAB常用功能102.1.2　MATLAB的发展112.2　MATLAB R2023b集成开发环境 112.3　帮助命令122.4　MATLAB桌面基础知识142.5　MATLAB语言基础152.5.1　命令输入152.5.2　矩阵和数组162.5.3　数据类型302.5.4　基本运算352.5.5　循环及选择结构38第3章 感知器分析与应用423.1　单层感知器423.1.1　单层感知器模型423.1.2　单层感知器结构433.1.3　创建感知器443.1.4　感知器学习规则453.1.5　训练463.2　感知器的限制503.3　离群值和归一化感知器规则503.4　感知器工具箱函数503.5　感知器的应用533.6　多层感知器分析与应用59第4章 线性神经网络分析与应用634.1　线性神经网络与感知器的区别634.2　线性神经网络原理634.2.1　线性神经网络模型634.2.2　线性神经网络结构644.2.3　线性滤波器654.2.4　自适应线性滤波网络664.2.5　学习规则664.2.6　网络训练684.3　线性神经网络函数704.4　线性神经网络的实现77第5章 BP神经网络分析与应用875.1　BP神经网络原理875.1.1　BP神经网络模型875.1.2　BP神经网络的流程885.1.3　BP神经网络的训练915.1.4　BP神经网络功能945.2　BP神经网络设计945.2.1　网络的层数945.2.2　隐藏层的神经元数945.2.3　初始值的选取955.2.4　学习速率955.3　BP神经网络函数955.4　BP神经网络的应用1025.4.1　BP神经网络在数据预测中的应用1025.4.2　BP神经网络在函数逼近中的应用1045.4.3　BP神经网络的工具箱拟合数据应用1075.4.4　BP神经网络在语音特征信号识别中的应用115第6章 RBF神经网络分析与应用1216.1　RBF神经网络模型1216.1.1　RBF神经网络的思想1226.1.2　RBF神经网络的工作原理1226.2　RBF解决插值问题1226.2.1　插值概述1236.2.2　完全内插存在的问题1246.2.3　正则化理论1246.2.4　正则化RBF1256.2.5　广义RBF网络1256.3　RBF学习算法1276.4　RBF网络工具箱函数1286.5　RBF网络的应用131第7章 反馈神经网络分析与应用1427.1　静态与反馈网络1427.2　Elman神经网络1457.2.1　Elman神经网络特点1457.2.2　Elman神经网络结构1457.2.3　Elman神经网络的学习过程1457.2.4　Elman神经网络的应用1467.3　离散Hopfield神经网络1537.3.1　Hopfield神经网络结构1547.3.2　网络的工作方式1567.3.3　网络的稳定1567.3.4　联想记忆1567.3.5　Hebb学习规则1597.4　连续Hopfield神经网络1607.4.1　连续Hopfield神经网络的稳定性1607.4.2　连续Hopfield神经网络的实现161第8章 竞争型神经网络分析与应用1678.1　竞争型神经网络1678.2　自组织神经网络1698.2.1　自组织竞争学习1708.2.2　自组织竞争学习规则1708.2.3　联想学习规则1718.2.4　自组织神经网络的原理1748.2.5　自组织神经网络实现1758.3　自组织特征映射网络1768.3.1　拓扑结构1768.3.2　SOM权值调整1778.3.3　Kohonen算法步骤1778.3.4　自组织映射网络的实现1788.4　使用自组织映射对数据进行聚类 1818.5　学习向量量化神经网络1858.5.1　量化的定义1868.5.2　LVQ神经网络1868.5.3　LVQ网络算法1878.5.4　LVQ网络的实现1878.6　对偶传播神经网络1908.6.1　网络结构与运行原理1908.6.2　学习算法1918.6.3　改进CPN1918.6.4　CPN实现1928.7　自适应共振理论网络1958.7.1　ARTⅠ型网络1968.7.2　ARTⅠ型网络学习过程1978.7.3　ARTⅠ型网络的应用198第9章 神经网络的Simulink应用2019.1　Simulink神经网络模块2019.1.1　神经网络模块2019.1.2　模块的生成2089.2　基于Simulink的神经网络的控制系统2119.2.1　神经网络模型预测控制2119.2.2　反馈线性化控制2159.2.3　模型参考控制218第10章 自定义神经网络22110.1　自定义神经网络概述22110.1.1　创建网络22210.1.2　网络的初始化和训练23210.2　自定义函数23510.2.1　初始化函数23510.2.2　学习函数23610.2.3　仿真函数238第11章 深度神经网络分析与应用24011.1　卷积神经网络24011.1.1　卷积神经网络的结构24011.1.2　卷积神经网络的训练24111.1.3　卷积神经网络的算法24211.1.4　卷积神经网络的实现24411.2　循环神经网络24711.2.1　循环神经网络的特点24711.2.2　循环神经网络的原理24811.2.3　损失函数24811.2.4　梯度求解24911.2.5　循环神经网络的实现25011.3　长短期记忆网络25311.3.1　LSTM基本单元结构25311.3.2　LSTM的应用255参考文献270