MATLAB神經(jīng)網(wǎng)絡30例

定　價：￥59.80

作　者：	楊杰，占君，張繼傳著
出版社：	電子工業(yè)出版社
叢編項：	實例詳解叢書
標　簽：	計算機/網(wǎng)絡行業(yè)軟件及應用

購買這本書可以去

ISBN：	9787121238154	出版時間：	2014-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	344	字數(shù)：

內(nèi)容簡介

　　神經(jīng)網(wǎng)絡經(jīng)過了近70年的蓬勃發(fā)展，其拓撲結(jié)構(gòu)、工作機制與應用領域已經(jīng)發(fā)生了翻天覆地的變化，全面、直觀、深入地認識各類神經(jīng)網(wǎng)絡已經(jīng)是學習運用神經(jīng)網(wǎng)絡的必由之路。本書全面介紹了前饋型、反饋型與自組織型三大類神經(jīng)網(wǎng)絡，傳統(tǒng)的BP網(wǎng)絡到現(xiàn)代的量子網(wǎng)絡20余小類神經(jīng)網(wǎng)絡，并結(jié)合實例分析了各種神經(jīng)網(wǎng)絡的使用方法和編程方法。對于成熟的神經(jīng)網(wǎng)絡，本書給出了MATLAB函數(shù)及調(diào)用方法；對于前沿的神經(jīng)網(wǎng)絡，本書推導了高效簡潔的編程算法；對于需要結(jié)合其他方法使用的神經(jīng)網(wǎng)絡，本書也分析了其他方法的原理、使用方法及MATLAB函數(shù)，甚至提供了相應的工具箱供讀者調(diào)用。本書充分考慮了MATLAB語言的特點，以及程序的可讀性、可移植性、可擴展性的要求，力圖保證研究者能深入淺出地理解如何使復雜的算法簡潔高效，然后變成簡潔、易讀、高效的源代碼；力求使初學者與使用者通過直觀生動的實例來理解各類神經(jīng)網(wǎng)絡，無須重新編寫程序，直接修改參數(shù)即可使用本書提供的神經(jīng)網(wǎng)絡。

作者簡介

　　國防科技大學博士后，安徽安慶人，主要研究方向為智能算法應用（神經(jīng)網(wǎng)絡/遺傳算法/混沌/分形/小波）、有限元仿真、材料工藝及合金腐蝕研究等。

圖書目錄

實例1 BP神經(jīng)網(wǎng)絡在非線性函數(shù)擬合中的應用 1
1．1 理論基礎 1
1．1．1 BP網(wǎng)絡概述 1
1．1．2 BP神經(jīng)網(wǎng)絡的MATLAB函數(shù) 2
1．2 非線性函數(shù)擬合方法 6
實例2 主元BP神經(jīng)網(wǎng)絡在股票價格預測中的應用 12
2．1 理論基礎 12
2．1．1 主成分分析的原理 12
2．1．2 主元神經(jīng)網(wǎng)絡與股票預測 14
2．2 股票價格的預測方法 16
實例3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡在壩基巖體滲透系數(shù)識別中的應用 22
3．1 理論基礎 22
3．1．1 遺傳算法概述 22
3．1．2 MATLAB遺傳算法工具箱介紹 24
3．1．3 遺傳神經(jīng)網(wǎng)絡的基本原理 28
3．2 壩基巖體滲透系數(shù)識別 29
實例4 基于PSO-BP神經(jīng)網(wǎng)絡刀具磨損狀態(tài)監(jiān)測技術 35
4．1 理論基礎 35
4．1．1 粒子群算法的原理 36
4．1．2 粒子群算法的矩陣形式 37
4．1．3 MATLAB粒子群算法工具箱 38
4．2 刀具磨損監(jiān)測的PSO神經(jīng)網(wǎng)絡方法 40
實例5 離散型Hopfield神經(jīng)網(wǎng)絡在交通標志識別中的應用 49
5．1 理論基礎 49
5．1．1 離散型Hopfield神經(jīng)網(wǎng)絡的工作方式 49
5．1．2 Hopfield神經(jīng)網(wǎng)絡的設計方法 51
5．2 Hopfield神經(jīng)網(wǎng)絡的MATLAB函數(shù) 52
5．3 離散型Hopfield神經(jīng)網(wǎng)絡與交通標志識別 53
實例6 連續(xù)型Hopfield神經(jīng)網(wǎng)絡在旅游路線周游規(guī)劃中的應用 58
6．1 理論基礎 58
6．1．1 CHNN的工作原理 58
6．1．2 CHNN的重要性質(zhì) 59
6．1．3 TSP問題的描述 61
6．2 TSP問題的CHNN求解 62
6．2．1 求解方法一 62
6．2．2 求解方法二 64
6．2．3 旅游線路周游規(guī)劃的MATLAB實現(xiàn)方法 65
實例7 感知器網(wǎng)絡與線性神經(jīng)網(wǎng)絡在醫(yī)療診斷中的應用 71
7．1 理論基礎 71
7．1．1 感知器網(wǎng)絡原理 71
7．1．2 線性神經(jīng)網(wǎng)絡原理 73
7．1．3 感知器網(wǎng)絡的MATLAB函數(shù) 73
7．1．4 線性神經(jīng)網(wǎng)絡的MATLAB函數(shù) 77
7．2 兩種神經(jīng)網(wǎng)絡在醫(yī)療診斷中的應用 78
實例8 RBF神經(jīng)網(wǎng)絡在太陽黑子數(shù)預測中的應用 83
8．1 理論基礎 83
8．1．1 RBF神經(jīng)網(wǎng)絡原理 83
8．1．2 RBF神經(jīng)網(wǎng)絡的MATLAB函數(shù) 86
8．2 太陽黑子數(shù)觀測的RBFNN方法 88
實例9 GRNN在無源雙地基雷達跟蹤中的應用 94
9．1 理論基礎 94
9．1．1 GRNN 的基本原理 94
9．1．2 GRNN的統(tǒng)計學意義 96
9．2 無源跟蹤的GRNN與UKF方法比較 97
9．2．1 UKF與GRNN非線性濾波的原理 98
9．2．2 UKF與GRNN的無源跟蹤程序 100
實例10 模糊神經(jīng)網(wǎng)絡在預測地基沉降量中的應用 106
10．1 理論基礎 106
10．1．1 模糊邏輯系統(tǒng)簡介 107
10．1．2 TS型模糊神經(jīng)網(wǎng)絡簡介 108
10．1．3 TS型模糊神經(jīng)網(wǎng)絡學習算法 109
10．2 模糊神經(jīng)網(wǎng)絡在預測地基沉降量中的應用 111
實例11 概率神經(jīng)網(wǎng)絡在遙感圖像分類中的應用 117
11．1 理論基礎 117
11．1．1 概率神經(jīng)網(wǎng)絡簡介 117
11．1．2 概率神經(jīng)網(wǎng)絡的MATLAB函數(shù) 118
11．2 概率神經(jīng)網(wǎng)絡在遙感圖像分類中的應用 118
實例12 小波神經(jīng)網(wǎng)絡在電力負荷預測中的應用 124
12．1 理論基礎 124
12．1．1 小波理論簡介 124
12．1．2 小波神經(jīng)網(wǎng)絡簡介 127
12．2 小波神經(jīng)網(wǎng)絡在電力負荷預測中的應用 130
實例13 神經(jīng)網(wǎng)絡在PID控制系統(tǒng)設計中的應用 136
13．1 理論基礎 136
13．2 神經(jīng)網(wǎng)絡PID及MATLAB編程方法 138
實例14　灰色神經(jīng)網(wǎng)絡在空調(diào)訂單預報中的應用 146
14．1 理論基礎 146
14．1．1 灰色理論簡介 146
14．1．2 灰色神經(jīng)網(wǎng)絡模型 149
14．2 空調(diào)訂單灰色神經(jīng)網(wǎng)絡預報的編程方法 151
實例15　基于Chebyshev混沌神經(jīng)網(wǎng)絡異步加密與解密算法 156
15．1 理論基礎 156
15．1．1 混沌理論簡介 156
15．1．2 Chebyshev神經(jīng)網(wǎng)絡建模 159
15．2 Chebyshev混沌神經(jīng)網(wǎng)絡應用于異步加密的算法 162
實例16　基于隨機Hopfield神經(jīng)網(wǎng)絡的最優(yōu)CDMA多用戶檢測器 171
16．1 理論基礎 171
16．1．1 CDMA通信系統(tǒng)模型 171
16．1．2 多用戶檢測問題的提出及建模 176
16．1．3 隨機Hopfield神經(jīng)網(wǎng)絡檢測器理論 177
16．2 CDMA最優(yōu)多用戶檢測編程方法 178
實例17 ELMAN神經(jīng)網(wǎng)絡在無線傳感器網(wǎng)絡定位中的應用 183
17．1 理論基礎 183
17．1．1 ELMAN神經(jīng)網(wǎng)絡理論簡介 183
17．1．2 ELMAN神經(jīng)網(wǎng)絡的工具箱函數(shù)簡介 184
17．1．3 無線傳感器網(wǎng)絡RSSI定位技術簡介 186
17．2 ELMAN網(wǎng)絡在無線傳感器網(wǎng)絡定位中的應用 186
實例18　混沌神經(jīng)網(wǎng)絡同步控制及在保密通信中的應用 191
18．1 理論基礎 191
18．1．1 混沌通信簡介 191
18．1．2 混沌同步簡介 193
18．2 混沌神經(jīng)網(wǎng)絡同步及保密通信仿真 194
實例19　水反應器神經(jīng)網(wǎng)絡控制方法及Simulink實現(xiàn) 203
19．1 理論基礎 203
19．1．1 MATLAB Simulink簡介 203
19．1．2 神經(jīng)網(wǎng)絡控制器Simulink模塊簡介 207
19．2 水反應器神經(jīng)網(wǎng)絡控制方法的Simulink仿真 211
實例20　基于自適應神經(jīng)網(wǎng)絡濾波的引信去噪方法 215
20．1 自適應噪聲對消原理 215
20．2 神經(jīng)網(wǎng)絡濾波引信去噪仿真 216
20．2．1 MATLAB編程方法 217
20．2．2 MATLAB Simulink方法 219
實例21 SOM神經(jīng)網(wǎng)絡在生物信息聚類分析中的應用 223
21．1 理論基礎 223
21．1．1 聚類分析簡介 223
21．1．2 SOM神經(jīng)網(wǎng)絡簡介 226
21．2 生物信息聚類分析的編程方法 228
實例22 LVQ神經(jīng)網(wǎng)絡在數(shù)字圖像邊緣檢測中的應用 233
22．1 理論基礎 233
22．1．1 LVQ神經(jīng)網(wǎng)絡簡介 233
22．1．2 數(shù)字圖像邊緣檢測原理與方法 238
22．2 邊緣檢測LVQ神經(jīng)網(wǎng)絡原理及編程實現(xiàn) 239
實例23 Kohonen神經(jīng)網(wǎng)絡在彩色圖像智能分層中的應用 245
23．1 理論基礎 245
23．1．1 Kohonen自組織神經(jīng)網(wǎng)絡簡介 245
23．1．2 Kohonen自組織神經(jīng)網(wǎng)絡工作原理 245
23．2 彩色圖像智能分層的MATLAB編程方法 246
實例24 基于模擬退火算法的城市周游TSP問題求解 252
24．1 理論基礎 252
24．1．1 模擬退火算法簡介 252
24．1．2 模擬退火算法實現(xiàn) 252
24．2 城市周游問題Boltzman機求解編程方法 253
實例25 PSO-余弦基神經(jīng)網(wǎng)絡在信號調(diào)制解調(diào)中的應用 259
25．1 理論基礎 259
25．2 神經(jīng)網(wǎng)絡濾波器調(diào)制解調(diào)方法設計 260
實例26 SVM在DNA序列分類中的應用 272
26．1 理論基礎 272
26．1．1 SVM算法分類 272
26．1．2 Libsvm工具箱 273
26．2 SVM在DNA序列分類應用的編程實現(xiàn) 274
實例27 PSO-SVM在上證指數(shù)開盤指數(shù)預測中的應用 279
27．1 理論基礎 279
27．2 PSO-SVM在上證指數(shù)開盤指數(shù)預測的編程方法 280
實例28 量子神經(jīng)網(wǎng)絡在油氣資源評價中的應用 288
28．1 理論基礎 288
28．2 量子神經(jīng)網(wǎng)絡在油氣資源評價應用的編程實現(xiàn) 293
實例29 神經(jīng)網(wǎng)絡GUI設計及Simulink設計方法 305
29．1 神經(jīng)網(wǎng)絡數(shù)據(jù)管理工具箱圖形界面 305
29．2 神經(jīng)網(wǎng)絡擬合工具箱圖形界面 309
29．3 神經(jīng)網(wǎng)絡模式識別工具箱圖形界面 313
實例30 矩陣方法在大規(guī)模神經(jīng)網(wǎng)絡的MATLAB編程中的應用 317
30．1 理論基礎 317
30．1．1 多層BP神經(jīng)網(wǎng)絡正向傳播算法的矩陣形式 317
30．1．2 多層BP神經(jīng)網(wǎng)絡誤差反向傳播算法的矩陣形式 320
30．2 大規(guī)模BP神經(jīng)網(wǎng)絡的MATLAB編程方法 323