本書以MATLAB R2016a為平臺(tái)，通過專業(yè)技術(shù)與大量典型實(shí)例相結(jié)合，介紹了各種典型網(wǎng)絡(luò)的訓(xùn)練過程和實(shí)際應(yīng)用。全書共27個(gè)案例，從實(shí)用角度出發(fā)，詳盡地講述感知器網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)及自組織神經(jīng)網(wǎng)絡(luò)等內(nèi)容，擴(kuò)展介紹神經(jīng)網(wǎng)絡(luò)在其他工程領(lǐng)域的實(shí)際應(yīng)用。本書可作為科研人員及工程技術(shù)人員的參考用書，也可作為本科生和研究生的學(xué)習(xí)用書。
全書共27個(gè)案例，從實(shí)用角度出發(fā)，詳盡地講述感知器網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)及自組織神經(jīng)網(wǎng)絡(luò)等內(nèi)容，擴(kuò)展介紹神經(jīng)網(wǎng)絡(luò)在其他工程領(lǐng)域的實(shí)際應(yīng)用。
前 言
1943年，心理學(xué)家W.S.McCulloch和數(shù)理邏輯學(xué)家W.Pitts建立了神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型，稱為MP模型。他們通過MP模型提出了神經(jīng)元的形式化數(shù)學(xué)描述和網(wǎng)絡(luò)結(jié)構(gòu)方法，證明了單個(gè)神經(jīng)元能執(zhí)行邏輯功能，從而開創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)研究的時(shí)代。近年來，人工神經(jīng)網(wǎng)絡(luò)正在模擬人類認(rèn)知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等結(jié)合，形成計(jì)算智能，成為人工智能的一個(gè)重要方向，將在實(shí)際應(yīng)用中得到發(fā)展。將信息幾何應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究，為人工神經(jīng)網(wǎng)絡(luò)的理論研究開辟了新的途徑。神經(jīng)計(jì)算機(jī)的研究發(fā)展很快，已有產(chǎn)品進(jìn)入市場(chǎng)。光電結(jié)合的神經(jīng)計(jì)算機(jī)為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展提供了良好條件。
神經(jīng)網(wǎng)絡(luò)是通過對(duì)人腦的基本單元神經(jīng)元的建模和連接，探索模擬人腦神經(jīng)系統(tǒng)功能的模型，并研制一種具有學(xué)習(xí)、聯(lián)想、記憶和模式識(shí)別等智能信息處理功能的人工系統(tǒng)。神經(jīng)網(wǎng)絡(luò)的一個(gè)重要特性是它能夠從環(huán)境中學(xué)習(xí)，并把學(xué)習(xí)的結(jié)果分布存儲(chǔ)于網(wǎng)絡(luò)的突觸連接中。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是一個(gè)過程，在其所處環(huán)境的激勵(lì)下，相繼給網(wǎng)絡(luò)輸入一些樣本模式，并按照一定的規(guī)則（學(xué)習(xí)算法）調(diào)整網(wǎng)絡(luò)各層的權(quán)值矩陣，待網(wǎng)絡(luò)各層權(quán)值都收斂到一定值，學(xué)習(xí)過程結(jié)束，之后就可以用生成的神經(jīng)網(wǎng)絡(luò)來對(duì)真實(shí)數(shù)據(jù)分類。
神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域中已得到了很好的應(yīng)用，但其需要研究的方面還很多。其中，具有分布存儲(chǔ)、并行處理、自學(xué)習(xí)、自組織及非線性映射等優(yōu)點(diǎn)的神經(jīng)網(wǎng)絡(luò)與其他技術(shù)的結(jié)合，以及由此而來的混合方法和混合系統(tǒng)，已經(jīng)成為一大研究熱點(diǎn)。由于其他方法也有它們各自的優(yōu)點(diǎn)，所以將神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合，取長(zhǎng)補(bǔ)短，繼而可以獲得更好的應(yīng)用效果。目前，這方面的工作有神經(jīng)網(wǎng)絡(luò)與模糊邏輯、專家系統(tǒng)、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據(jù)理論和灰色系統(tǒng)等的融合。
MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對(duì)圖形進(jìn)行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖像處理、動(dòng)畫和表達(dá)式作圖，可用于科學(xué)計(jì)算和工程繪圖。新版本的MATLAB對(duì)整個(gè)圖形處理功能進(jìn)行了很大的改進(jìn)和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時(shí)，對(duì)一些特殊的可視化要求（例如圖形對(duì)話等），MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。另外，新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上做了很大的改進(jìn)，可以滿足對(duì)這方面有特殊要求的用戶的需求。
MATLAB對(duì)許多專門的領(lǐng)域都開發(fā)了功能強(qiáng)大的模塊集和工具箱。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評(píng)估不同的方法而不需要自己編寫代碼。MATLAB在很多領(lǐng)域，如數(shù)據(jù)采集、數(shù)據(jù)庫接口、概率統(tǒng)計(jì)、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡(luò)、小波分析、信號(hào)處理、圖像處理、系統(tǒng)辨識(shí)、控制系統(tǒng)設(shè)計(jì)、LMI控制、魯棒控制、模型預(yù)測(cè)、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計(jì)、實(shí)時(shí)快速原型及半物理仿真、嵌入式系統(tǒng)開發(fā)、定點(diǎn)仿真、DSP與通信、電力系統(tǒng)仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。
一種語言之所以能夠如此迅速地普及和應(yīng)用，顯示出如此旺盛的生命力，是因?yàn)樗兄煌渌Z言的特點(diǎn)。正如C語言等高級(jí)語言使人們擺脫了需要直接對(duì)計(jì)算機(jī)硬件資源進(jìn)行操作的要求，被稱為第四代計(jì)算機(jī)語言的MATLAB（簡(jiǎn)稱M語言），利用其豐富的函數(shù)資源和工具箱資源，使編程人員可以根據(jù)不同的需要選擇相應(yīng)的優(yōu)化函數(shù)，而不需要編寫煩瑣的程序代碼。該軟件最突出的特點(diǎn)就是簡(jiǎn)潔、開放式、便捷等，它提供了更為直觀、符合人們思維習(xí)慣的代碼。同時(shí)給用戶帶來最直觀、最簡(jiǎn)潔的程序開發(fā)環(huán)境。目前的MATLAB可以說是科學(xué)技工作者必不可少的工具之一，掌握這一重要工具將使得日常的學(xué)習(xí)和工作事半功倍。
MATLAB之所以有如此強(qiáng)大的功能在于其還在不斷擴(kuò)大的工具箱的應(yīng)用，離開了工具箱的應(yīng)用，MATLAB環(huán)境下的操作也僅僅是簡(jiǎn)單的矩陣運(yùn)算與作圖而已。神經(jīng)網(wǎng)絡(luò)工具箱正是在MATLAB環(huán)境下所開發(fā)出來的眾多工具箱之一，它是以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，用MATLAB語言構(gòu)造出典型神經(jīng)網(wǎng)絡(luò)的激活函數(shù)，根據(jù)各種典型的修正網(wǎng)絡(luò)權(quán)值的規(guī)則，加上網(wǎng)絡(luò)的訓(xùn)練過程，用MATLAB編寫出各種網(wǎng)絡(luò)權(quán)值訓(xùn)練的子程序，網(wǎng)絡(luò)的設(shè)計(jì)者可以根據(jù)所需去調(diào)用工具箱中有關(guān)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與訓(xùn)練程序，使自己能夠從煩瑣的編程中解脫出來，致力于思考問題和解決問題，從而提高效率和解題質(zhì)量。
本書基于MATLAB R2016a全面講解MATLAB相關(guān)知識(shí)，幫助讀者盡快掌握MATLAB的應(yīng)用。本書具有如下特點(diǎn)：
（1）全面細(xì)致，循序漸進(jìn)。本書以MATLAB R2016a為平臺(tái)，簡(jiǎn)要、全面、由淺入深地介紹MATLAB軟件的特色、使用，再輔以MATLAB在工程中的應(yīng)用案例，幫助讀者盡快掌握用MATLAB進(jìn)行工程應(yīng)用分析的技能。
（2）內(nèi)容新穎，應(yīng)用典型。本書結(jié)合MATLAB解決工程應(yīng)用中的各種實(shí)際問題，詳細(xì)地講解MATLAB軟件的使用方法與技巧，并通過大量典型的應(yīng)用例子來實(shí)操，在講解過程中輔以相應(yīng)的圖片，使讀者在閱讀時(shí)一目了然，從而快速掌握書中的內(nèi)容。
（3）輕松易學(xué)，上手快速。本書理論與實(shí)例相結(jié)合，并通過MATLAB的在線幫助、自帶實(shí)例等內(nèi)容，使讀者輕松掌握所學(xué)內(nèi)容，快速上手，還可以提高快速分析和解決實(shí)際問題的能力，從而能夠在最短的時(shí)間內(nèi)，以最高的效率解決實(shí)際通信系統(tǒng)中遇到的問題。
本書主要由顧艷春編寫，參加編寫的還有趙書蘭、劉志為、欒穎、王宇華、吳茂、方清城、鄧奮發(fā)、何正風(fēng)、丁偉雄、李婭、辛煥平、楊文茵、李曉東和張德豐。
本書可以作為廣大科研人員、學(xué)者、工程技術(shù)人員的參考用書，也可以作為廣大在校本科生和研究生的學(xué)習(xí)用書。本書提供案例源代碼下載，讀者可以登錄華信教育資源網(wǎng)（www.hxedu.com.cn）查找本書，免費(fèi)下載。
由于時(shí)間倉促，加之作者水平有限，所以錯(cuò)誤和疏漏之處在所難免。在此，誠懇地期望得到各領(lǐng)域的專家和廣大讀者的批評(píng)指正。
編 著 者
顧艷春，男，華南理工計(jì)算機(jī)應(yīng)用碩士，中山大學(xué)博士，佛山科學(xué)技術(shù)學(xué)院計(jì)算機(jī)系副主任。發(fā)表文章10余篇，承擔(dān)和參與國家自然科學(xué)基金、科技廳項(xiàng)目7項(xiàng)，參與多項(xiàng)橫向課題的研究。精通MATLAB，具備豐富實(shí)踐和寫作經(jīng)驗(yàn)。
目 錄
第1章 RBF神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用1
1.1 用于曲線擬合的RBF神經(jīng)網(wǎng)絡(luò)1
1.2 徑向基網(wǎng)絡(luò)實(shí)現(xiàn)非線性函數(shù)回歸10
1.3 CRNN網(wǎng)絡(luò)應(yīng)用13
1.4 PNN網(wǎng)絡(luò)應(yīng)用15
1.5 RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)19
第2章 SOM網(wǎng)絡(luò)算法分析與應(yīng)用22
2.1 SOM網(wǎng)絡(luò)的生物學(xué)基礎(chǔ)22
2.2 SOM網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)22
2.3 SOM網(wǎng)絡(luò)的權(quán)值調(diào)整23
2.4 SOM網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)26
2.5 SOM網(wǎng)絡(luò)的應(yīng)用33
第3章 線性網(wǎng)絡(luò)的實(shí)際應(yīng)用45
3.1 線性化建模45
3.2 模式分類50
3.3 消噪處理51
3.4 系統(tǒng)辨識(shí)54
3.5 系統(tǒng)預(yù)測(cè)55
第4章 BP網(wǎng)絡(luò)算法分析與應(yīng)用61
4.1 BP網(wǎng)絡(luò)模型61
4.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法62
4.2.1 BP網(wǎng)絡(luò)學(xué)習(xí)算法62
4.2.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法的比較67
4.3 BP神經(jīng)網(wǎng)絡(luò)特點(diǎn)68
4.4 BP網(wǎng)絡(luò)功能68
4.5 BP網(wǎng)絡(luò)實(shí)例分析68
第5章 神經(jīng)網(wǎng)絡(luò)在選址與地震預(yù)測(cè)中的應(yīng)用78
5.1 配送中心選址78
5.2 地震預(yù)報(bào)81
5.2.1 問題概述82
5.2.2 網(wǎng)絡(luò)設(shè)計(jì)83
5.2.3 網(wǎng)絡(luò)訓(xùn)練與測(cè)試83
5.2.4 網(wǎng)絡(luò)實(shí)現(xiàn)88
第6章 模糊神經(jīng)網(wǎng)絡(luò)的算法分析與實(shí)現(xiàn)91
6.1 模糊神經(jīng)網(wǎng)絡(luò)的形式91
6.2 神經(jīng)網(wǎng)絡(luò)和模糊控制結(jié)合的優(yōu)點(diǎn)92
6.3 神經(jīng)模糊控制器92
6.4 神經(jīng)模糊控制器的學(xué)習(xí)算法95
6.5 模糊神經(jīng)網(wǎng)絡(luò)MATLAB函數(shù)97
6.5.1 模糊神經(jīng)系統(tǒng)的建模函數(shù)97
6.5.2 采用網(wǎng)格分割方式生成模糊推理系統(tǒng)函數(shù)102
6.6 MATLAB模糊神經(jīng)推理系統(tǒng)的圖形用戶界面103
第7章 BP網(wǎng)絡(luò)的典型應(yīng)用107
7.1 數(shù)據(jù)歸一化方法107
7.2 提前終止法109
7.3 BP網(wǎng)絡(luò)的局限性111
7.4 BP網(wǎng)絡(luò)典型應(yīng)用112
7.4.1 用BP網(wǎng)絡(luò)估計(jì)膽固醇含量112
7.4.2 線性神經(jīng)網(wǎng)絡(luò)在信號(hào)預(yù)測(cè)中的應(yīng)用115
第8章 線性神經(jīng)網(wǎng)絡(luò)算法分析與實(shí)現(xiàn)120
8.1 線性神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)120
8.1.1 創(chuàng)建函數(shù)120
8.1.2 學(xué)習(xí)函數(shù)122
8.1.3 性能函數(shù)124
8.2 線性神經(jīng)網(wǎng)絡(luò)模型及結(jié)構(gòu)125
8.3 線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法與訓(xùn)練126
8.3.1 線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法126
8.3.2 線性神經(jīng)網(wǎng)絡(luò)的訓(xùn)練128
8.4 線性神經(jīng)網(wǎng)絡(luò)的濾波器130
第9章 感知器網(wǎng)絡(luò)算法分析與實(shí)現(xiàn)133
9.1 單層感知器133
9.1.1 單層感知器模型133
9.1.2 單層感知器功能134
9.1.3 單層感知器結(jié)構(gòu)136
9.1.4 單層感知器學(xué)習(xí)算法137
9.1.5 單層感知器訓(xùn)練138
9.1.6 單層感知器局限性139
9.1.7 單層感知器的MATLAB實(shí)現(xiàn)140
9.2 多層感知器147
9.2.1 多層感知器模型147
9.2.2 多層感知器設(shè)計(jì)方法147
9.2.3 多層感知器的MATLAB實(shí)現(xiàn)148
第10章 神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)分析與應(yīng)用153
10.1 神經(jīng)網(wǎng)絡(luò)仿真函數(shù)153
10.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)155
10.2.1 train156
10.2.2 trainb函數(shù)156
10.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)函數(shù)158
10.4 神經(jīng)網(wǎng)絡(luò)初始函數(shù)161
10.5 神經(jīng)網(wǎng)絡(luò)輸入函數(shù)163
10.6 神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)165
10.7 神經(jīng)網(wǎng)絡(luò)求點(diǎn)積函數(shù)168
第11章 BM網(wǎng)絡(luò)與BSB網(wǎng)絡(luò)算法分析與實(shí)現(xiàn)169
11.1 Boltzmann神經(jīng)網(wǎng)絡(luò)169
11.1.1 BM網(wǎng)絡(luò)的基本結(jié)構(gòu)169
11.1.2 BM模型的學(xué)習(xí)169
11.1.3 BM網(wǎng)絡(luò)的實(shí)現(xiàn)172
11.2 BSB神經(jīng)網(wǎng)絡(luò)174
第12章 感知器網(wǎng)絡(luò)工具箱函數(shù)及其應(yīng)用177
12.1 創(chuàng)建函數(shù)177
12.2 顯示函數(shù)180
12.3 性能函數(shù)181
第13章 RBF神經(jīng)網(wǎng)絡(luò)算法分析與應(yīng)用186
13.1 RBF神經(jīng)網(wǎng)絡(luò)模型186
13.2 RBF網(wǎng)的數(shù)學(xué)基礎(chǔ)188
13.2.1 內(nèi)插問題188
13.2.2 正則化網(wǎng)絡(luò)189
13.3 RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法190
13.3.1 自組織選取中心法190
13.3.2 梯度訓(xùn)練方法191
13.3.3 正交最小二乘（OLS）學(xué)習(xí)算法192
13.4 其他RBF神經(jīng)網(wǎng)絡(luò)193
13.4.1 廣義回歸神經(jīng)網(wǎng)絡(luò)193
13.4.2 泛化回歸神經(jīng)網(wǎng)絡(luò)194
13.4.3 概率神經(jīng)網(wǎng)絡(luò)195
13.5 RBF神經(jīng)網(wǎng)絡(luò)MATLAB函數(shù)196
13.5.1 創(chuàng)建函數(shù)196
13.5.2 權(quán)函數(shù)199
13.5.3 輸入函數(shù)200
13.5.4 傳遞函數(shù)201
13.5.5 mse函數(shù)201
13.5.6 變換函數(shù)202
第14章 Simulink神經(jīng)網(wǎng)絡(luò)應(yīng)用204
14.1 Simulink神經(jīng)網(wǎng)絡(luò)仿真模型庫204
14.2 Simulink神經(jīng)網(wǎng)絡(luò)應(yīng)用208
第15章 ART網(wǎng)絡(luò)與CP網(wǎng)絡(luò)算法分析與應(yīng)用213
15.1 ART-1型網(wǎng)絡(luò)213
15.1.1 ART-1型網(wǎng)絡(luò)結(jié)構(gòu)213
15.1.2 ART-1網(wǎng)絡(luò)學(xué)習(xí)過程215
15.1.3 ART-1網(wǎng)絡(luò)的應(yīng)用216
15.2 ART-2型網(wǎng)絡(luò)218
15.2.1 網(wǎng)絡(luò)結(jié)構(gòu)與運(yùn)行原理219
15.2.2 網(wǎng)絡(luò)的數(shù)學(xué)模型與學(xué)習(xí)算法220
15.2.3 ART-2型網(wǎng)絡(luò)在系統(tǒng)辨識(shí)中的應(yīng)用222
15.3 CP神經(jīng)網(wǎng)絡(luò)概述223
15.3.1 CP網(wǎng)絡(luò)學(xué)習(xí)224
15.3.2 CP網(wǎng)絡(luò)應(yīng)用225
第16章 Hopfield網(wǎng)絡(luò)算法分析與實(shí)現(xiàn)231
16.1 Hopfield神經(jīng)網(wǎng)絡(luò)231
16.1.1 離散型Hopfield網(wǎng)絡(luò)231
16.1.2 DHNN的動(dòng)力學(xué)穩(wěn)定性234
16.1.3 網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)236
16.1.4 聯(lián)想記憶功能239
16.2 連續(xù)型Hopfield網(wǎng)絡(luò)240
16.3 Hopfield神經(jīng)網(wǎng)絡(luò)的應(yīng)用242
16.3.1 Hopfield神經(jīng)網(wǎng)絡(luò)函數(shù)242
16.3.2 Hopfield神經(jīng)網(wǎng)絡(luò)的應(yīng)用245
第17章 LVQ網(wǎng)絡(luò)算法分析與應(yīng)用259
17.1 LVQ神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)259
17.2 LVQ神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法260
17.2.1 LVQ1算法260
17.2.2 LVQ2算法260
17.3 LVQ神經(jīng)網(wǎng)絡(luò)的特點(diǎn)261
17.4 LVQ神經(jīng)網(wǎng)絡(luò)的MATLAB函數(shù)262
17.5 LVQ神經(jīng)網(wǎng)絡(luò)的應(yīng)用264
第18章 自組織網(wǎng)絡(luò)算法分析與實(shí)現(xiàn)269
18.1 競(jìng)爭(zhēng)學(xué)習(xí)的概念270
18.2 競(jìng)爭(zhēng)學(xué)習(xí)規(guī)則271
18.3 競(jìng)爭(zhēng)學(xué)習(xí)原理272
18.4 競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)MATLAB實(shí)現(xiàn)275
18.5 競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)存在的問題279
第19章 Elman網(wǎng)絡(luò)算法分析與應(yīng)用280
19.1 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)280
19.2 Elman神經(jīng)網(wǎng)絡(luò)權(quán)值修正的學(xué)習(xí)算法281
19.3 Elman網(wǎng)絡(luò)穩(wěn)定性推導(dǎo)282
19.4 對(duì)角遞歸網(wǎng)絡(luò)穩(wěn)定時(shí)學(xué)習(xí)速率的確定283
19.5 Elman神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)中的應(yīng)用284
第20章 BP網(wǎng)絡(luò)工具箱函數(shù)及其應(yīng)用288
20.1 創(chuàng)建函數(shù)289
20.2 傳遞函數(shù)291
20.3 學(xué)習(xí)函數(shù)293
20.4 訓(xùn)練函數(shù)294
20.5 性能函數(shù)297
20.6 顯示函數(shù)298
第21章 神經(jīng)網(wǎng)絡(luò)在實(shí)際案例中的應(yīng)用300
21.1 農(nóng)作物蟲情預(yù)測(cè)300
21.1.1 蟲情預(yù)測(cè)原理300
21.1.2 網(wǎng)絡(luò)實(shí)現(xiàn)301
21.2 人臉識(shí)別304
21.2.1 模型建立305
21.2.2 網(wǎng)絡(luò)實(shí)現(xiàn)306
第22章 神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)分析與應(yīng)用310
22.1 神經(jīng)網(wǎng)絡(luò)的構(gòu)建函數(shù)310
22.2 神經(jīng)網(wǎng)絡(luò)的應(yīng)用函數(shù)324
第23章 線性神經(jīng)網(wǎng)絡(luò)算法分析與設(shè)計(jì)330
23.1 線性神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)330
23.2 線性神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)331
23.3 自適應(yīng)濾波線性神經(jīng)網(wǎng)絡(luò)333
23.4 線性神經(jīng)網(wǎng)絡(luò)的局限性335
23.5 線性神經(jīng)網(wǎng)絡(luò)的MATLAB應(yīng)用舉例336
第24章 神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)及實(shí)例分析342
24.1 傳遞函數(shù)及其導(dǎo)函數(shù)342
24.1.1 傳遞函數(shù)342
24.1.2 傳遞函數(shù)的導(dǎo)函數(shù)349
24.2 距離函數(shù)354
24.3 權(quán)值函數(shù)及其導(dǎo)函數(shù)356
24.3.1 權(quán)值函數(shù)357
24.3.2 權(quán)值函數(shù)的導(dǎo)函數(shù)358
24.4 結(jié)構(gòu)函數(shù)359
24.5 分析函數(shù)361
24.6 轉(zhuǎn)換函數(shù)362
24.7 繪圖函數(shù)368
24.8 數(shù)據(jù)預(yù)處理和后處理函數(shù)375
第25章 神經(jīng)網(wǎng)絡(luò)的工程應(yīng)用383
25.1 線性神經(jīng)網(wǎng)絡(luò)在線性預(yù)測(cè)中的應(yīng)用383
25.2 神經(jīng)模糊控制在洗衣機(jī)中的應(yīng)用385
25.2.1 洗衣機(jī)的模糊控制385
25.2.2 洗衣機(jī)的神經(jīng)網(wǎng)絡(luò)模糊控制器的設(shè)計(jì)387
25.3 模糊神經(jīng)網(wǎng)絡(luò)在配送中心選址中的應(yīng)用391
25.4 Elman神經(jīng)網(wǎng)絡(luò)在信號(hào)檢測(cè)中的應(yīng)用394
25.5 神經(jīng)網(wǎng)絡(luò)在噪聲抵消系統(tǒng)中的應(yīng)用397
25.5.1 自適應(yīng)噪聲抵消原理397
25.5.2 噪聲抵消系統(tǒng)的MATLAB仿真399
第26章 神經(jīng)網(wǎng)絡(luò)算法分析與工具箱應(yīng)用402
26.1 網(wǎng)絡(luò)對(duì)象屬性404
26.1.1 結(jié)構(gòu)屬性404
26.1.2 子對(duì)象結(jié)構(gòu)屬性408
26.1.3 函數(shù)屬性411
26.1.4 權(quán)值和閾值413
26.1.5 參數(shù)屬性415
26.1.6 其他屬性415
26.2 子對(duì)象屬性416
26.2.1 輸入向量416
26.2.2 網(wǎng)絡(luò)層417
26.2.3 輸出向量422
26.2.4 閾值向量422
26.2.5 輸入權(quán)值向量424
26.2.6 目標(biāo)向量427
26.2.7 網(wǎng)絡(luò)層權(quán)值向量428
第27章 自定義函數(shù)及其應(yīng)用432
27.1 初始化函數(shù)432
27.2 學(xué)習(xí)函數(shù)435
27.3 仿真函數(shù)440
27.3.1 傳遞函數(shù)440
27.3.2 傳遞函數(shù)導(dǎo)數(shù)函數(shù)443
27.3.3 網(wǎng)絡(luò)輸入函數(shù)444
27.3.4 網(wǎng)絡(luò)輸入導(dǎo)函數(shù)446
27.3.5 權(quán)值函數(shù)448
27.3.6 權(quán)值導(dǎo)數(shù)函數(shù)450
27.4 自組織函數(shù)452
27.4.1 拓?fù)浜瘮?shù)452
27.4.2 距離函數(shù)454
參考文獻(xiàn)456
新書資訊