MATLAB神經(jīng)網(wǎng)絡仿真與應用

第1章 神經(jīng)網(wǎng)絡緒論
　1.1 人工神經(jīng)網(wǎng)絡的介紹
　1.2 神經(jīng)網(wǎng)絡的發(fā)展歷程
　　1.2.1 神經(jīng)網(wǎng)絡的起始
　　1.2.2 神經(jīng)網(wǎng)絡的蕭條
　　1.2.3 神經(jīng)網(wǎng)絡興盛
　1.3 神經(jīng)網(wǎng)絡模型
　　1.3.1 生物神經(jīng)元模塊
　　1.3.2 人工神經(jīng)元模型
　1.4 人工神經(jīng)網(wǎng)絡的分類
　1.5 神經(jīng)網(wǎng)絡的學習方式
　1.6 神經(jīng)網(wǎng)絡的特點及優(yōu)點
　　1.6.1 神經(jīng)網(wǎng)絡特點
　　1.6.2 神經(jīng)網(wǎng)絡的優(yōu)點
　1.7 神經(jīng)網(wǎng)絡的結(jié)構(gòu)
　1.8 人工神經(jīng)網(wǎng)絡與人工智能
　　1.8.1 人工智能的概述
　　1.8.2 人工神經(jīng)網(wǎng)絡的應用
　　1.8.3 人工神經(jīng)網(wǎng)絡與人工智能相比較
第2章 MATLAB語言及神經(jīng)元
　2.1 MATLAB簡介
　2.2 MATLAB的語言特點
　2.3 MATLAB 7.2的新特點
　2.4 MATLAB神經(jīng)網(wǎng)絡工具箱
　　2.4.1 MATLAB 6.x神經(jīng)網(wǎng)絡工具箱
　　2.4.2 MATLAB 7.x神經(jīng)網(wǎng)絡工具箱
　2.5 MATLAB神經(jīng)網(wǎng)絡工具箱的對象與屬性
　　2.5.1 網(wǎng)絡對象屬性
　　2.5.2 子對象屬性
第3章 神經(jīng)網(wǎng)絡工具箱函數(shù)的分析及實例
　3.1 神經(jīng)網(wǎng)絡的構(gòu)建函數(shù)
　3.2 神經(jīng)網(wǎng)絡的應用函數(shù)
　3.3 權(quán)值和閾值初始化函數(shù)
　3.4 訓練和自適應調(diào)整函數(shù)
　3.5 神經(jīng)網(wǎng)絡的學習函數(shù)
　3.6 神經(jīng)網(wǎng)絡的輸入函數(shù)及其導函數(shù)
　　3.6.1 輸入函數(shù)
　　3.6.2 輸入函數(shù)的導函數(shù)
　3.7 神經(jīng)網(wǎng)絡的性能函數(shù)及其導函數(shù)
　　3.7.1 性能函數(shù)
　　3.7.2 性能函數(shù)的導函數(shù)
　3.8 傳遞函數(shù)及其導函數(shù)
　　3.8.1 傳遞函數(shù)
　　3.8.2 傳遞函數(shù)的導函數(shù)
　3.9 距離函數(shù)
　3.10 權(quán)值函數(shù)及其導函數(shù)
　　3.10.1 權(quán)值函數(shù)
　　3.10.2 權(quán)值函數(shù)的導函數(shù)
　3.11 結(jié)構(gòu)函數(shù)
　3.12 分析函數(shù)
　3.13 轉(zhuǎn)換函數(shù)
　3.14 繪圖函數(shù)
　3.15 數(shù)據(jù)預處理和后處理函數(shù)
第4章 前向型神經(jīng)網(wǎng)絡及MATLAB應用舉例
　4.1 感知器
　　4.1.1 單層感知器模型
　　4.1.2 單層感知器的學習算法
　　4.1.3 感知器的局限性
　　4.1.4 單層感知器神經(jīng)網(wǎng)絡的MATLAB仿真
　　4.1.5 多層感知器神經(jīng)網(wǎng)絡及其MATLAB仿真
　　4.1.6 用于線性分類問題的進一步討論
　4.2 線性神經(jīng)網(wǎng)絡
　　4.2.1 線性神經(jīng)網(wǎng)絡結(jié)構(gòu)
　　4.2.2 線性神經(jīng)網(wǎng)絡設(shè)計
　　4.2.3 自適應濾波線性神經(jīng)網(wǎng)絡
　　4.2.4 線性神經(jīng)網(wǎng)絡的局限性
　　4.2.5 線性神經(jīng)網(wǎng)絡的MATLAB應用舉例
　4.3 BP網(wǎng)絡
　　4.3.1 BP神經(jīng)元及其模型
　　4.3.2 BP網(wǎng)絡的學習
　　4.3.3 BP網(wǎng)絡的局限性
　　4.3.4 BP網(wǎng)絡的MATLAB程序應用舉例
　4.4 徑向基網(wǎng)絡
　　4.4.1 徑向基函數(shù)網(wǎng)絡模型
　　4.4.2 徑向基函數(shù)網(wǎng)絡的構(gòu)建
　　4.4.3 RBF網(wǎng)絡應用實例
　　4.4.4 RBF網(wǎng)絡的非線性濾波
　4.5 GMDH網(wǎng)絡
　　4.5.1 GMDH網(wǎng)絡理論
　　4.5.2 GMDH網(wǎng)絡的訓練
　　4.5.3 基于GMDH網(wǎng)絡的預測
第5章 自組織神經(jīng)網(wǎng)絡及MATLAB程序
　5.1 自組織競爭型神經(jīng)網(wǎng)絡
　　5.1.1 競爭型神經(jīng)網(wǎng)絡模型
　　5.1.2 競爭型神經(jīng)網(wǎng)絡的學習
　　5.1.3 競爭型神經(jīng)網(wǎng)絡存在的問題
　　5.1.4 競爭型神經(jīng)網(wǎng)絡的MATLAB程序
　5.2 自組織特征映射神經(jīng)網(wǎng)絡
　　5.2.1 特征映射網(wǎng)絡的模型
　　5.2.2 特征映射網(wǎng)絡的學習
　　5.2.3 基于特征映射網(wǎng)絡的人口分類
　5.3 自適應共振理論
　　5.3.1 自適應共振理論模型
　　5.3.2 自適應共振理論的學習
　　5.3.3 自適應共振理論的MATLAB程序
　5.4 學習矢量量化神經(jīng)網(wǎng)絡
　　5.4.1 學習矢量量化的神經(jīng)網(wǎng)絡模型
　　5.4.2 學習矢量量化神經(jīng)網(wǎng)絡的學習
　　5.4.3 LVQ1學習算法的改進
　　5.4.4 LVQ神經(jīng)網(wǎng)絡的MATLAB程序
　5.5 對向傳播網(wǎng)絡
　　5.5.1 對向傳播網(wǎng)絡簡介
　　5.5.2 對向傳播網(wǎng)絡的MATLAB程序
第6章 反饋神經(jīng)網(wǎng)絡及其應用
第7章 圖形用戶接口
第8章 Simulink
第9章 自定義神經(jīng)網(wǎng)絡
第10章 神經(jīng)網(wǎng)絡的應用
參考文獻