注冊 | 登錄讀書好，好讀書，讀好書！

當前位置：首頁出版圖書科學技術(shù)計算機/網(wǎng)絡計算機輔助設計與工程計算MatlabMATLAB 6.5輔助神經(jīng)網(wǎng)絡分析與設計

MATLAB 6.5輔助神經(jīng)網(wǎng)絡分析與設計

定　價：￥29.00

作　者：	飛思科技產(chǎn)品研發(fā)中心編著
出版社：	電子工業(yè)出版社
叢編項：	MATLAB應用技術(shù)
標　簽：	Matlab

購買這本書可以去

當當網(wǎng) (￥27.60)

ISBN：	9787505381162	出版時間：	2003-01-01	包裝：	平裝
開本：	26cm	頁數(shù)：	322	字數(shù)：

內(nèi)容簡介

　　本書是在MATLAB 6.5的神經(jīng)網(wǎng)絡工具箱V4.0.2基礎(chǔ)上編寫的。全書共13章，首先簡要介紹了神經(jīng)網(wǎng)絡的發(fā)展及基本理論，包括前向型神經(jīng)網(wǎng)絡、反饋神經(jīng)網(wǎng)絡、自組織與學習向量化神經(jīng)網(wǎng)絡和神經(jīng)網(wǎng)絡控制等方面的內(nèi)容；接著對神經(jīng)網(wǎng)絡工具箱函數(shù)進行了介紹，在前向型神經(jīng)網(wǎng)絡設計、反饋神經(jīng)網(wǎng)絡設計、自組織與LVQ網(wǎng)絡應用設計等方面列舉了大量實例，并進行分析設計；最后對圖形用戶接口、SIMULINK、神經(jīng)網(wǎng)絡控制設計和定制網(wǎng)絡等高級應用也舉例進行了講解。書中實例的源代碼可至飛思在線http：//www.fecit.com.cn下載。本書內(nèi)容廣泛、結(jié)構(gòu)清晰、例證豐富，可供神經(jīng)網(wǎng)絡方面的教師、研究生、高年級本科生和廣大科研人員做參考書用。

作者簡介

暫缺《MATLAB 6.5輔助神經(jīng)網(wǎng)絡分析與設計》作者簡介

圖書目錄

第1章  神經(jīng)網(wǎng)絡概述
     1. 1  MATLAB 6. 5語言簡介
     1. 1. 1  MATLAB的產(chǎn)生背景及主要產(chǎn)品
     1. 1. 2  MATLAB語言特點
     1. 1. 3  MATLAB 6. 5的新特點
     1. 2  神經(jīng)網(wǎng)絡發(fā)展史
     1. 3  神經(jīng)網(wǎng)絡模型
     1. 3. 1  生物神經(jīng)元模型
     1. 3. 2  神經(jīng)元模型
     1. 3. 3  神經(jīng)網(wǎng)絡模型
     1. 4  人工神經(jīng)網(wǎng)絡的特性
第2章  神經(jīng)網(wǎng)絡工具箱函數(shù)及實例
     2. 1  神經(jīng)網(wǎng)絡工具箱概述
     2. 2  感知器的神經(jīng)網(wǎng)絡工具函數(shù)
     2. 2. 1  MATLAB 6. 5中有關(guān)感知器的工具函數(shù)
     2. 2. 2  工具函數(shù)詳解
     2. 3  BP網(wǎng)絡的神經(jīng)網(wǎng)絡工具函數(shù)
     2. 3. 1  MATLAB6. 5中有關(guān)BP網(wǎng)絡的重要函數(shù)
     2. 3. 2工具函數(shù)詳解
     2. 4  線性網(wǎng)絡的神經(jīng)網(wǎng)絡工具函數(shù)
     2. 4. 1  MATLAB 6. 5中有關(guān)線性網(wǎng)絡的工具函數(shù)
     2. 4. 2  工具函數(shù)詳解
     2. 5  自組織競爭網(wǎng)絡工具箱函數(shù)
     2. 5. 1  MATLAB 6. 5中有關(guān)自組織網(wǎng)絡的工具箱函數(shù)
     2. 5. 2  工具函數(shù)詳解
     2. 6  徑向基網(wǎng)絡神經(jīng)網(wǎng)絡工具箱函數(shù)
     2. 7  回歸網(wǎng)絡的神經(jīng)網(wǎng)絡工具箱函數(shù)
     2. 7. 1  Hopfield神經(jīng)網(wǎng)絡的工具箱函數(shù)
     2. 7. 2  Elman神經(jīng)網(wǎng)絡的工具箱函數(shù)
第3章  前向型神經(jīng)網(wǎng)絡理論及實例
     3. 1  感知器網(wǎng)絡
     3. 1. 1  感知器模型
     3. 1. 2  感知器神經(jīng)元網(wǎng)絡的網(wǎng)絡結(jié)構(gòu)
     3. 1. 3  感知器神經(jīng)網(wǎng)絡的初始化
     3, 1. 4  感知器神經(jīng)網(wǎng)絡的學習規(guī)則
     3. 1. 5  感知器神經(jīng)網(wǎng)絡的訓練
     3. 1. 6  感知器的局限性
     3. 1. 7  多層感知器
     3. 2  BP網(wǎng)絡
     3. 2. 1  BP網(wǎng)絡結(jié)構(gòu)
     3. 2. 2  BP算法的數(shù)學描述
     3. 2. 3  BP網(wǎng)絡中的神經(jīng)元模型
     3. 2. 4  BP網(wǎng)絡的訓練過程
     3. 2. 5  BP算法的改進
     3. 3  線性神經(jīng)網(wǎng)絡
     3. 3. 1  線性神經(jīng)元模型
     3. 3. 2  線性神經(jīng)網(wǎng)絡的模型
     3. 3. 3  線性網(wǎng)絡的初始化
     3. 3. 4  線性網(wǎng)絡的學習規(guī)則
     3. 3. 5  線性網(wǎng)絡的訓練
     3. 4  徑向基函數(shù)網(wǎng)絡
     3. 4. 1  徑向基函數(shù)網(wǎng)絡模型
     3. 4. 2  基函數(shù)的形式
     3. 4. 3  RBF學習過程
     3. 5  GMDH網(wǎng)絡
第4章  前向型神經(jīng)網(wǎng)絡設計分析
     4. 1  引言
     4. 2  感知器神經(jīng)網(wǎng)絡設計
     4. 2. 1  問題描述
     4. 2. 2  網(wǎng)絡初始化
     4. 2. 3  網(wǎng)絡訓練
     4. 2. 4  神經(jīng)網(wǎng)絡性能測試
     4. 2. 5  結(jié)論及討論
     4. 3  利用線性網(wǎng)絡進行信號預測
     4. 3. 1  問題描述
     4. 3. 2  網(wǎng)絡設計
     4. 3. 3  測試網(wǎng)絡
     4. 3. 4  結(jié)論
     4. 4  自適應預測
     4. 4. 1  問題描述
     4. 4. 2  網(wǎng)絡初始化
     4. 4. 3  網(wǎng)絡訓練
     4. 4. 4  網(wǎng)絡性能測試
     4. 4. 5  結(jié)論
     4. 5  線性系統(tǒng)辨識
     4. 5. 1  問題描述
     4. 5. 2  建立網(wǎng)絡
     4. 5. 3  測試網(wǎng)絡
     4. 5. 4  結(jié)論
     4. 6  自適應系統(tǒng)辨識
     4. 6. 1  問題描述
     4. 6. 2  網(wǎng)絡的建立
     4. 6. 3  網(wǎng)絡訓練
     4. 6. 4  網(wǎng)絡測試
     4. 6. 5  結(jié)論
     4. 7  函數(shù)逼近
     4. 7. 1  問題描述
     4. 7. 2  網(wǎng)絡建立
     4. 7. 3  網(wǎng)絡訓練
     4. 7. 4  網(wǎng)絡測試
     4. 7. 5  討論
     4. 8  膽固醇含量估計
     4. 8. 1  問題描述
     4. 8. 2  建立網(wǎng)絡
     4. 8. 3  網(wǎng)絡訓練
     4. 8. 4  分析及討論
     4. 8. 5  結(jié)論
     4. 9  特征識別
     4. 9. 1  問題描述
     4. 9. 2  神經(jīng)元網(wǎng)絡
     4. 9. 3  系統(tǒng)性能評估
     4. 9. 4  結(jié)論
     4. 10  徑向基函數(shù)網(wǎng)絡設計
     4. 10. 1  問題描述
     4. 10. 2  網(wǎng)絡的建立
     4. 10. 3  仿真網(wǎng)絡
     4. 10. 4  結(jié)論
第5章  反饋型神經(jīng)網(wǎng)絡理論及實例
     5. 1  Elman神經(jīng)網(wǎng)絡
     5. 2  Hopfield神經(jīng)網(wǎng)絡
     5. 2. 1  Hopfield神經(jīng)網(wǎng)絡的演變過程
     5. 2. 2  離散型Hopfield神經(jīng)網(wǎng)絡(DHNN)
     5. 2. 3  連續(xù)型Hopfield神經(jīng)網(wǎng)絡
     5. 3  CG網(wǎng)絡模型
     5. 4  盒中腦(BSB)模型
     5. 5  雙向聯(lián)想記憶(BAM)
     5. 6  回歸BP網(wǎng)絡
     5. 7  Boltzmann機網(wǎng)絡
第6章  反饋型神經(jīng)網(wǎng)絡設計分析
     6. 1  引言
     6. 2  振幅檢測
     6. 2. 1  問題描述
     6. 2. 2  網(wǎng)絡初始化
     6. 2. 3  網(wǎng)絡訓練
     6. 2. 4  網(wǎng)絡測試
     6. 2. 5  網(wǎng)絡的推廣應用及完善
     6. 3  兩神經(jīng)元的Hopfield申經(jīng)網(wǎng)絡設計
     6. 3. 1  問題描述
     6. 3. 2  建立網(wǎng)絡
     6. 3. 3  網(wǎng)絡的測試
     6. 4  三神經(jīng)元的Hopfield神經(jīng)網(wǎng)絡設計
     6. 4. 1  問題描述
     6. 4. 2  建立網(wǎng)絡
     6. 4. 3  網(wǎng)絡的測試
第7章  自組織與LVQ神經(jīng)網(wǎng)絡理論及實例
     7. 1  自組織競爭網(wǎng)絡
     7. 1. 1  自組織競爭網(wǎng)絡的形成
     7. 1. 2  自組織競爭網(wǎng)絡的基本思想
     7. 1. 3  兩種聯(lián)想學習規(guī)則
     7. 1. 4  基本競爭型人工神經(jīng)網(wǎng)絡
     7. 2  自組織特征映射神經(jīng)網(wǎng)絡
     7. 2. 1  自組織特征映射網(wǎng)絡的結(jié)構(gòu)
     7. 2. 2  自組織特征映射的算法
     7. 2. 3  自組織特征映射網(wǎng)絡的學習及工作規(guī)則
     7. 3  自適應共振理論(ART)
     7. 4  CPN模型
第8章  自組織與LVQ神經(jīng)網(wǎng)絡應用設計分析
     8. 1  引言
     8. 2  自組織競爭網(wǎng)絡在模式分類中的應用
     8. 2. 1  問題描述
     8. 2. 2  網(wǎng)絡建立
     8. 2. 3  網(wǎng)絡訓練
     8. 2. 4  網(wǎng)絡測試與使用
     8. 2. 5  小結(jié)
     8. 3  二維自組織特征映射網(wǎng)絡設計
     8. 3. 1  問題描述
     8. 3. 2  網(wǎng)絡建立
     8. 3. 3  網(wǎng)絡訓練
     8. 3. 4  網(wǎng)絡測試與應用
     8. 4  LVQ模式分類網(wǎng)絡設計
     8. 4. 1  問題描述
     8. 4. 2  網(wǎng)絡建立
     8. 4. 3  網(wǎng)絡訓練
     8. 4. 4  網(wǎng)絡測試及使用
     8. 4. 5  結(jié)論
第9章  神經(jīng)控制器結(jié)構(gòu)分析
     9. 1  NN學習控制
     9. 2  NN直接逆模型控制
     9. 3  NN自適應控制
     9. 3. 1  NN自校正控制(STC)
     9. 3. 2  NN模型參考自適應控制
     9. 4  NN內(nèi)?？刂?nbsp;
     9. 5  NN預測控制
     9. 6  NN自適應判斷控制
     9. 7  基于CMAC的控制.
     9. 8  多層NN控制
     9. 9  分級NN控制
第10章  神經(jīng)網(wǎng)絡控制理論及應用設計
     10. 1  模型預測控制理論
     10. 1. 1  系統(tǒng)辨識
     10. 1. 2  模型預測
     10. 2  模型預測控制實例分析
     10. 2. 1  問題的描述
     10. 2. 2  建立模型
     10. 2. 3  系統(tǒng)辨識
     10. 2. 4  系統(tǒng)仿真
     10. 3  反饋線性化控制理論
     10. 3. 1  辨識NARMA—L2模型
     10. 3. 2  NARMA—L2控制器
     10. 4  NARNMA—L2(反饋線性化)控制實例分析
     10. 4. 1  問題的描述
     10. 2  建立模型
     10. 4. 3  系統(tǒng)辨識
     10. 4. 4  系統(tǒng)仿真
     10. 5  模型參考控制理論
     10. 6  模型參考控制實例分析
     10. l  問題的描述
     10. 6. 2模型的建立
     10. 6. 3  系統(tǒng)辨識
     10. 6. 4  系統(tǒng)仿真
     10. 7  總結(jié)
第11章  圖形用戶接口GUI
     11. 1  引言
     11. 2  建立網(wǎng)絡
     11. 2. 1  輸入和目標
     11. 2. 2  建立網(wǎng)絡
     11. 3  訓練網(wǎng)絡
     11. 3. 1  訓練網(wǎng)絡
     11. 3. 2  仿真網(wǎng)絡
     11. 4  將數(shù)據(jù)導出到命令行工作空間中
     11. 5  清除數(shù)據(jù)
     11. 6  從命令行工作空間中導入數(shù)據(jù)
     11. 7  變量存盤與讀取
第12章  SIMULINK
     12. 1  模塊的設置
     12. 1. 1  傳遞函數(shù)模塊
     12. 1. 2  網(wǎng)絡輸入模塊
     12. 1. 3  權(quán)重模塊
     12. 1. 4  控制系統(tǒng)模塊
     12. 2  模塊的生成
第13章  高級話題
     13. 1  定制網(wǎng)紹
     13. 1. 1  定制網(wǎng)絡
     13. 1. 2  網(wǎng)絡定義
     13. 1. 3  網(wǎng)絡行為
     13. 2  附加的工具箱函數(shù)
     13. 2. 1  初始化函數(shù)
     13. 2. 2  傳遞函數(shù)
     13. 2. 3  學習函數(shù)
     13. 3  定制函數(shù)
     13. 3. 1  仿真函數(shù)
     13. 3. 2  初始化函數(shù)
     13. 3. 3  學習函數(shù)
     13. 3. 4  自組織映射函數(shù)
附錄A  MATAB 6. 5的其他新特性
     A. 1  SIMULINK 5. 0的新特性
     A. 2  MathWorks Releasel3新產(chǎn)品
附錄B  MATLAB 6. 5安裝問題指南
     B. 1  MATLAB 6. 5為什么安裝后不能啟動
     B. 2  安裝時更新Java虛擬機的問題
     B. 3  PDF文檔的獲取
附錄C  MATLAB神經(jīng)網(wǎng)絡工具箱函數(shù)參考
     C. 1  工具箱函數(shù)
     C. 2  傳遞函數(shù)圖形
參考文獻