本書以MATLAB R2015b為平臺而編寫，全面、系統地介紹了MATLAB神經網絡技術； 重點給出了MATLAB在各種神經網絡的應用，并在講解各實現方法的過程中給出相應的實例，使得本書應用性更強，實用價值更高。全書共10章，主要介紹了MATLAB R2015b軟件、神經網絡的理論、神經網絡的通用函數、感知器神經網絡、線性神經網絡、BP神經網絡、徑向基神經網絡、競爭型神經網絡、反饋型神經網絡、其他神經網絡等內容。本書在編寫過程中力求系統性、實用性與先進性相結合，理論與實踐相交融，使讀者在閱讀本書中快速掌握MATLAB軟件的同時，利用MATLAB實現解決各種神經網絡問題，幫助讀者學以致用。
本書可以作為神經網絡的初學人員和提高者的學習資料，也可作為廣大在校本科生和研究生的學習用書，還可以作為廣大科研人員、工程技術人員的參考用書。
本書是“精通MATLAB”叢書之一，全書基于MATLAB R2015b平臺，不僅系統介紹了MATLAB神經網絡技術，作者還將理論與實踐相交融，結合實際工作中的開發經驗、心得體會，精心編寫了150多個MATLAB神經網絡技術應用典型實例，供讀者學習、開發時參考。本書提供所有程序源代碼。“精通MATLAB”相關書目如下：
MATLAB 8.X實戰指南(R2014a中文版）
數字圖像處理高級應用——基于MATLAB和CUDA的實現
MATLAB通信系統建模與仿真
MATLAB R2015a數字圖像處理
MATLAB R2015b數學建模
MATLAB R2015a小波分析
MATLAB R2015b神經網絡技術
第1章MATLAB R2015b介紹
1.1MATLAB概述
1.1.1MATLAB的優勢
1.1.2MATLAB R2015b的新增功能
1.1.3MATLAB常用工具箱
1.2MATLAB R2015b的安裝
1.3MATLAB工作環境
1.4MATLAB聯機幫助
1.5用戶路徑設置
1.6數據類型和運算
1.6.1常量、變量
1.6.2數據類型
1.6.3數值類型
1.6.4邏輯類型
1.6.5結構體類型
1.6.6數組類型
1.6.7單元數組類型
1.7矩陣的基本操作
1.7.1矩陣和數組的概念
1.7.2數值矩陣的生成
1.7.3符號矩陣
1.7.4特殊矩陣
1.8矩陣運算
1.9基本繪圖
1.10建立函數文件
1.11控制流程
1.11.1順序結構
1.11.2分支結構
1.11.3循環結構
第2章神經網絡的理論
2.1生物神經元
2.2人工神經網絡
2.3神經元的數學模型
2.4神經網絡的類型
2.4.1單層前向網絡
2.4.2多層前向網絡
2.4.3反饋網絡
2.4.4隨機神經網絡
2.4.5競爭神經網絡
2.5神經網絡學習
2.5.1Hebb學習規則
2.5.2離散感知器學習規則
2.5.3記憶學習規則
2.5.4連續感知器學習規則
2.5.5相關學習規則
2.5.6競爭學習規則
2.6人工神經網絡信息處理能力
2.7神經網絡的特點與優點
2.7.1神經網絡的特點
2.7.2神經網絡的優點
2.8神經網絡控制系統
2.8.1神經網絡控制系統組成
2.8.2實時控制
2.8.3智能控制分支
2.9神經網絡的應用
2.10人工神經網絡與智能神經網絡
2.10.1人工智能的概述
2.10.2人工神經元與人工智能相比較
第3章神經網絡的通用函數
3.1神經網絡仿真函數
3.2神經網絡訓練函數
3.3神經網絡學習函數
3.4神經網絡初始化函數
3.5神經網絡輸入函數
3.6神經網絡傳遞函數
3.7其他函數
第4章感知器神經網絡
4.1單層感知器
4.1.1單層感知器模型
4.1.2單層感知器功能
4.1.3感知器的學習
4.1.4單感知器的訓練
4.1.5感知器的局部性
4.2標準化感知器學習規則
4.3多層感知器
4.3.1多層感知器的理論
4.3.2多層感知器的實現
4.4感知器神經網絡函數
4.5感知器的應用
4.6感知器應用于線性分類問題
4.6.1決策函數與決策邊界
4.6.2感知器的決策函數與決策邊界
第5章線性神經網絡
5.1線性神經元模型及結構
5.1.1神經元模型
5.1.2線性神經網絡結構
5.2LMS學習算法
5.3LMS學習率的選擇
5.3.1穩定收斂的學習率
5.3.2學習率逐漸下降
5.4線性神經網絡的構建
5.4.1生成線性神經元
5.4.2線性濾波器
5.4.3自適應線性濾波
5.5線性神經網絡的訓練
5.6線性神經網絡與感知器的對比
5.7線性神經網絡函數
5.7.1創建函數
5.7.2傳輸函數
5.7.3學習函數
5.7.4均方誤差性能函數
5.8線性神經網絡的局限性
5.8.1線性相關向量
5.8.2學習速率過大
5.8.3不定系統
5.9線性神經網絡的應用
5.9.1邏輯與
5.9.2邏輯異或
5.9.3在噪聲對消中的應用
5.9.4在信號預測中的應用
第6章BP神經網絡
6.1BP神經網絡模型
6.2BP網絡學習算法
6.3BP網絡設計
6.3.1輸入和輸出層的設計
6.3.2隱層的設計
6.3.3初始值選取
6.4BP網絡的局限性
6.5BP網絡學習的改進
6.5.1增加動量項
6.5.2自適應調節學習率
6.5.3彈性梯度下降法
6.6BP算法設計多層感知器
6.6.1信息容量與訓練樣本數
6.6.2準備訓練數據
6.6.3設計初值
6.6.4多層感知器結構設計
6.6.5網絡訓練與測試
6.7BP網絡的函數
6.7.1創建函數
6.7.2傳遞函數
6.7.3學習函數
6.7.4訓練函數
6.7.5性能函數
6.7.6顯示函數
6.8BP神經網絡的應用
6.8.1BP神經網絡在分類中的應用
6.8.2BP網絡去除噪聲
6.8.3BP網絡識別性別
6.9BP網絡泛化能力的提高
6.9.1歸一化法
6.9.2提前終止法
第7章徑向基神經網絡
7.1RBF神經網絡模型
7.1.1RBF神經元模型
7.1.2RBF網絡模型
7.2徑向基常用學習算法
7.2.1數據中心聚類法
7.2.2數據中主監督法
7.2.3正交最小二乘法
7.3RBF內插值
7.4廣義神經網絡
7.5概率神經網絡
7.5.1貝葉斯決策理論
7.5.2概率神經網絡結構
7.5.3概率神經網絡的優缺點
7.6徑向基神經網絡與多層感知器比較
7.7徑向基神經網絡的優缺點
7.7.1徑向基神經網絡的優點
7.7.2徑向基神經網絡的缺點
7.8徑向基神經網絡的函數
7.8.1創建函數
7.8.2傳遞函數
7.8.3轉換函數
7.8.4權函數
7.8.5競爭性傳輸函數
7.9徑向基函數神經網絡的應用
第8章競爭型神經網絡
8.1競爭神經網絡的概述
8.2競爭神經網絡的概念
8.3競爭神經網絡的學習規則
8.3.1Kohonen學習規則
8.3.2閾值學習規則
8.4競爭型神經網絡存在的問題
8.5自組織特征映射網絡
8.5.1SOM網絡拓撲結構
8.5.2SOM網絡學習算法
8.5.3SOFM網絡的訓練
8.6學習向量量化網絡
8.6.1LVQ網絡結構
8.6.2LVQ網絡學習算法
8.6.3LVQ網絡特點
8.7ART神經網絡
8.7.1ART1型網絡
8.7.2ART1網絡學習
8.8對向傳播網絡
8.8.1對向傳播網絡的概述
8.8.2CPN網絡學習規則
8.9競爭神經網絡的函數
8.9.1創建函數
8.9.2學習函數
8.9.3傳遞函數
8.9.4初始化函數
8.9.5結構函數
8.9.6距離函數
8.9.7距離函數
8.9.8歸一化函數
8.10自組織競爭神經網絡的應用
8.10.1對應傳播網絡的應用
8.10.2ART網絡的應用
8.10.3學習向量量化網絡的應用
8.10.4自組織映射網絡的應用
第9章反饋型神經網絡
9.1反饋型神經網絡的概述
9.1.1前饋型與反饋型的比較
9.1.2反饋型神經網絡與靜態網絡
9.1.3反饋型神經網絡的模型
9.1.4反饋型神經網絡的狀態
9.2離散Hopfield神經網絡
9.2.1離散Hopfield神經網絡結構
9.2.2Hopfield網絡的穩定性
9.2.3離散Hopfield神經網絡權值學習
9.2.4離散Hopfield神經網絡的聯想記憶
9.3連續Hopfield神經網絡
9.3.1連續Hopfield神經網絡結構
9.3.2連續Hopfield神經網絡的穩定性
9.3.3連續型Hopfield神經網絡的特點
9.4Elman神經網絡
9.4.1Elman神經網絡結構
9.4.2Elman神經網絡的訓練
9.5雙向聯想記憶神經網絡
9.5.1BAM網絡結構與原理
9.5.2能量函數與穩定性分析
9.5.3BAM網的權值設計
9.6Boltzmann神經網絡
9.6.1BM網絡的基本結構
9.6.2BM模型的學習
9.7反饋神經網絡的函數
9.7.1創建函數
9.7.2傳遞函數
9.8反饋神經網絡的應用
9.8.1離散Hopfield神經網絡識別數字
9.8.2連續Hopfield神經網絡聯想記憶功能應用
9.8.3Elman神經網絡預測股價
9.8.4雙聯想記憶網絡應用
9.8.5Boltzmann神經網絡的應用
第10章其他神經網絡
10.1模糊神經網絡
10.1.1模糊神經網絡的動向
10.1.2模糊神經網絡的基本形式
10.1.3模糊神經網絡的用途
10.2幾種常用模型的模糊神經網絡
10.2.1Mamdani模型模糊神經網絡
10.2.2TakagiSugeno模型的模糊神經網絡
10.2.3模糊神經網絡的函數
10.2.4模糊神經網絡的應用
10.2.5神經模糊系統的圖形界面
10.3小波神經網絡
10.3.1小波變換概述
10.3.2小波神經網絡的定義
10.3.3小波神經網絡的理論
10.3.4小波神經網絡的結構
10.3.5小波神經網絡應用交通流量預測
10.4Simulink神經網絡
10.4.1Simulink神經網絡仿真模型庫
10.4.2Simulink神經網絡的應用
10.5自定義神經網絡
10.5.1自定義一個復雜的網絡
10.5.2自定義網絡的訓練
參考文獻
新書資訊