MATLAB神經(jīng)網(wǎng)絡(luò)30例

實例1 BP神經(jīng)網(wǎng)絡(luò)在非線性函數(shù)擬合中的應(yīng)用 1
1．1 理論基礎(chǔ) 1
1．1．1 BP網(wǎng)絡(luò)概述 1
1．1．2 BP神經(jīng)網(wǎng)絡(luò)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(luò)在股票價格預(yù)測中的應(yīng)用 12
2．1 理論基礎(chǔ) 12
2．1．1 主成分分析的原理 12
2．1．2 主元神經(jīng)網(wǎng)絡(luò)與股票預(yù)測 14
2．2 股票價格的預(yù)測方法 16
實例3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在壩基巖體滲透系數(shù)識別中的應(yīng)用 22
3．1 理論基礎(chǔ) 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(luò)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(luò)刀具磨損狀態(tài)監(jiān)測技術(shù) 35
4．1 理論基礎(chǔ) 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(luò)方法 40
實例5 離散型Hopfield神經(jīng)網(wǎng)絡(luò)在交通標志識別中的應(yīng)用 49
5．1 理論基礎(chǔ) 49
5．1．1 離散型Hopfield神經(jīng)網(wǎng)絡(luò)的工作方式 49
5．1．2 Hopfield神經(jīng)網(wǎng)絡(luò)的設(shè)計方法 51
5．2 Hopfield神經(jīng)網(wǎng)絡(luò)的MATLAB函數(shù) 52
5．3 離散型Hopfield神經(jīng)網(wǎng)絡(luò)與交通標志識別 53
實例6 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò)在旅游路線周游規(guī)劃中的應(yīng)用 58
6．1 理論基礎(chǔ) 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(luò)與線性神經(jīng)網(wǎng)絡(luò)在醫(yī)療診斷中的應(yīng)用 71
7．1 理論基礎(chǔ) 71
7．1．1 感知器網(wǎng)絡(luò)原理 71
7．1．2 線性神經(jīng)網(wǎng)絡(luò)原理 73
7．1．3 感知器網(wǎng)絡(luò)的MATLAB函數(shù) 73
7．1．4 線性神經(jīng)網(wǎng)絡(luò)的MATLAB函數(shù) 77
7．2 兩種神經(jīng)網(wǎng)絡(luò)在醫(yī)療診斷中的應(yīng)用 78
實例8 RBF神經(jīng)網(wǎng)絡(luò)在太陽黑子數(shù)預(yù)測中的應(yīng)用 83
8．1 理論基礎(chǔ) 83
8．1．1 RBF神經(jīng)網(wǎng)絡(luò)原理 83
8．1．2 RBF神經(jīng)網(wǎng)絡(luò)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(yīng)用 94
9．1 理論基礎(chǔ) 94
9．1．1 GRNN 的基本原理 94
9．1．2 GRNN的統(tǒng)計學(xué)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(luò)在預(yù)測地基沉降量中的應(yīng)用 106
10．1 理論基礎(chǔ) 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(luò)簡介 108
10．1．3 TS型模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法 109
10．2 模糊神經(jīng)網(wǎng)絡(luò)在預(yù)測地基沉降量中的應(yīng)用 111
實例11 概率神經(jīng)網(wǎng)絡(luò)在遙感圖像分類中的應(yīng)用 117
11．1 理論基礎(chǔ) 117
11．1．1 概率神經(jīng)網(wǎng)絡(luò)簡介 117
11．1．2 概率神經(jīng)網(wǎng)絡(luò)的MATLAB函數(shù) 118
11．2 概率神經(jīng)網(wǎng)絡(luò)在遙感圖像分類中的應(yīng)用 118
實例12 小波神經(jīng)網(wǎng)絡(luò)在電力負荷預(yù)測中的應(yīng)用 124
12．1 理論基礎(chǔ) 124
12．1．1 小波理論簡介 124
12．1．2 小波神經(jīng)網(wǎng)絡(luò)簡介 127
12．2 小波神經(jīng)網(wǎng)絡(luò)在電力負荷預(yù)測中的應(yīng)用 130
實例13 神經(jīng)網(wǎng)絡(luò)在PID控制系統(tǒng)設(shè)計中的應(yīng)用 136
13．1 理論基礎(chǔ) 136
13．2 神經(jīng)網(wǎng)絡(luò)PID及MATLAB編程方法 138
實例14　灰色神經(jīng)網(wǎng)絡(luò)在空調(diào)訂單預(yù)報中的應(yīng)用 146
14．1 理論基礎(chǔ) 146
14．1．1 灰色理論簡介 146
14．1．2 灰色神經(jīng)網(wǎng)絡(luò)模型 149
14．2 空調(diào)訂單灰色神經(jīng)網(wǎng)絡(luò)預(yù)報的編程方法 151
實例15　基于Chebyshev混沌神經(jīng)網(wǎng)絡(luò)異步加密與解密算法 156
15．1 理論基礎(chǔ) 156
15．1．1 混沌理論簡介 156
15．1．2 Chebyshev神經(jīng)網(wǎng)絡(luò)建模 159
15．2 Chebyshev混沌神經(jīng)網(wǎng)絡(luò)應(yīng)用于異步加密的算法 162
實例16　基于隨機Hopfield神經(jīng)網(wǎng)絡(luò)的最優(yōu)CDMA多用戶檢測器 171
16．1 理論基礎(chǔ) 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(luò)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(luò)在無線傳感器網(wǎng)絡(luò)定位中的應(yīng)用 183
17．1 理論基礎(chǔ) 183
17．1．1 ELMAN神經(jīng)網(wǎng)絡(luò)理論簡介 183
17．1．2 ELMAN神經(jīng)網(wǎng)絡(luò)的工具箱函數(shù)簡介 184
17．1．3 無線傳感器網(wǎng)絡(luò)RSSI定位技術(shù)簡介 186
17．2 ELMAN網(wǎng)絡(luò)在無線傳感器網(wǎng)絡(luò)定位中的應(yīng)用 186
實例18　混沌神經(jīng)網(wǎng)絡(luò)同步控制及在保密通信中的應(yīng)用 191
18．1 理論基礎(chǔ) 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(luò)同步及保密通信仿真 194
實例19　水反應(yīng)器神經(jīng)網(wǎng)絡(luò)控制方法及Simulink實現(xiàn) 203
19．1 理論基礎(chǔ) 203
19．1．1 MATLAB Simulink簡介 203
19．1．2 神經(jīng)網(wǎng)絡(luò)控制器Simulink模塊簡介 207
19．2 水反應(yīng)器神經(jīng)網(wǎng)絡(luò)控制方法的Simulink仿真 211
實例20　基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)濾波的引信去噪方法 215
20．1 自適應(yīng)噪聲對消原理 215
20．2 神經(jīng)網(wǎng)絡(luò)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(luò)在生物信息聚類分析中的應(yīng)用 223
21．1 理論基礎(chǔ) 223
21．1．1 聚類分析簡介 223
21．1．2 SOM神經(jīng)網(wǎng)絡(luò)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(luò)在數(shù)字圖像邊緣檢測中的應(yīng)用 233
22．1 理論基礎(chǔ) 233
22．1．1 LVQ神經(jīng)網(wǎng)絡(luò)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(luò)原理及編程實現(xiàn) 239
實例23 Kohonen神經(jīng)網(wǎng)絡(luò)在彩色圖像智能分層中的應(yīng)用 245
23．1 理論基礎(chǔ) 245
23．1．1 Kohonen自組織神經(jīng)網(wǎng)絡(luò)簡介 245
23．1．2 Kohonen自組織神經(jīng)網(wǎng)絡(luò)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(chǔ) 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(luò)在信號調(diào)制解調(diào)中的應(yīng)用 259
25．1 理論基礎(chǔ) 259
25．2 神經(jīng)網(wǎng)絡(luò)濾波器調(diào)制解調(diào)方法設(shè)計 260
實例26 SVM在DNA序列分類中的應(yīng)用 272
26．1 理論基礎(chǔ) 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(yīng)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(yù)測中的應(yīng)用 279
27．1 理論基礎(chǔ) 279
27．2 PSO-SVM在上證指數(shù)開盤指數(shù)預(yù)測的編程方法 280
實例28 量子神經(jīng)網(wǎng)絡(luò)在油氣資源評價中的應(yīng)用 288
28．1 理論基礎(chǔ) 288
28．2 量子神經(jīng)網(wǎng)絡(luò)在油氣資源評價應(yīng)用的編程實現(xiàn) 293
實例29 神經(jīng)網(wǎng)絡(luò)GUI設(shè)計及Simulink設(shè)計方法 305
29．1 神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)管理工具箱圖形界面 305
29．2 神經(jīng)網(wǎng)絡(luò)擬合工具箱圖形界面 309
29．3 神經(jīng)網(wǎng)絡(luò)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(luò)的MATLAB編程中的應(yīng)用 317
30．1 理論基礎(chǔ) 317
30．1．1 多層BP神經(jīng)網(wǎng)絡(luò)正向傳播算法的矩陣形式 317
30．1．2 多層BP神經(jīng)網(wǎng)絡(luò)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(luò)的MATLAB編程方法 323