MATLAB神经网络编程pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

MATLAB神经网络编程PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

MATLAB基础篇 2

第1章 MATLAB基本知识 2

1.1 MATLAB概述 2

1.1.1 MATLAB的发展史及影响 2

1.1.2 MATLAB的功能特点 3

1.1.3 MATLAB R2010a的新特点 4

1.2 MATLAB初步应用 5

1.2.1 MATLAB的启动和关闭 5

1.2.2 MATLAB的工具条与菜单 6

1.2.3 MATLAB命令窗口 8

1.2.4 MATLAB工作空间 9

1.2.5 MATLAB命令历史窗口 12

1.2.6 MATLAB的当前目录 12

1.3 MATLAB的变量与符号 13

1.3.1 特殊变量 13

1.3.2 标点符号 14

1.4 向量的创建法 16

1.4.1 直接输入法 17

1.4.2 用冒号生成法 18

1.4.3 用函数生成法 18

1.4.4 向量的连接法 19

1.5 矩阵的表示 20

1.5.1 矩阵的建立 20

1.5.2 矩阵的拆分 21

1.6 矩阵元素的排列与替换 24

1.6.1 下标与索引 24

1.6.2 元素的提取与替换 26

1.6.3 矩阵中行与列的相关操作 29

1.6.4 end函数的使用 31

1.7 矩阵和数组的基本运算 32

1.7.1 矩阵和数组的运算 32

1.7.2 矩阵的函数运算 34

1.8 MATLAB的帮助功能 35

1.8.1 帮助命令 35

1.8.2 查询命令 36

1.8.3 联机帮助 37

1.8.4 演示帮助 37

第2章 MATLAB基本的程序及绘图功能 39

2.1 MATLAB的控制语句 39

2.1.1 条件控制 39

2.1.2 循环控制 42

2.1.3 程序的流程控制 44

2.2 M文件 46

2.2.1 脚本文件 47

2.2.2 M函数 48

2.3 二维图形 50

2.3.1 基本的二维绘图函数 51

2.3.2 线型、点型、色彩 53

2.3.3 窗口控制 56

2.3.4 坐标轴控制 58

2.3.5 图形标注 60

2.4 三维图形 64

2.4.1 三维曲线绘图 64

2.4.2 三维曲面绘图 65

神经网络应用篇 72

第3章 神经网络绪论 72

3.1 人工神经网络概念的提出 72

3.2 人工神经网络的发展史及其研究的内容 73

3.2.1 人工神经网络的发展史 73

3.2.2 人工神经网络研究的内容 74

3.3 神经细胞以及人工神经元的组成 74

3.4 人工神经元的模型 75

3.5 神经元的结构 77

3.6 神经网络的特点与优点 78

3.7 人工神经元的应用 79

3.8 人工神经元与人工智能 80

3.8.1 人工智能的概述 80

3.8.2 人工神经元与人工智能的比较 82

3.9 用MATLAB计算人工神经网络输出 83

第4章 前向型神经网络 86

4.1 感知器网络 86

4.1.1 感知器的结构 86

4.1.2 感知器的学习 87

4.1.3 感知器的局限性 90

4.1.4 感知器的“异域”问题 91

4.1.5 感知器的神经网络训练函数 93

4.1.6 感知器网络的实现 95

4.1.7 线性分类问题的扩展讨论 101

4.1.8 线性可分限制的解决方法 103

4.2 线性神经网络 103

4.2.1 线性神经网络的模型 104

4.2.2 W-H学习规则 105

4.2.3 线性神经网络的训练函数 106

4.2.4 线性神经网络的构建 109

4.2.5 网络训练 111

4.2.6 线性神经网络的实现 115

4.2.7 线性神经网络的局限性 120

4.2.8 系统辨识 123

4.3 BP传播网络 131

4.3.1 BP网络模型结构 132

4.3.2 BP学习规则 133

4.3.3 BP网络的训练函数 136

4.3.4 BP网络的实现 145

4.3.5 BP网络的限制 151

4.3.6 BP方法的改进 152

第5章 局部型神经网络 157

5.1 径向基函数网络 157

5.1.1 径向神经元与径向基函数网络模型 157

5.1.2 径向基函数网络的学习算法 159

5.1.3 广义回归神经网络 162

5.1.4 径向基函数网络的训练函数 163

5.1.5 径向基函数网络的实现 168

5.1.6 基于RBF网络的非线性滤波 174

5.1.7 RBF网络与多层感知器的比较 176

5.2 B样条基函数 177

5.3 概率神经网络 179

5.3.1 PNN网络结构 179

5.3.2 PNN网络的工作原理 179

5.3.3 PNN网络的设计 180

5.4 CMAC网络 181

5.4.1 CMAC网络基本结构 181

5.4.2 CMAC的学习算法 182

5.5 GMDH网络 182

5.5.1 GMDH网络的概述 182

5.5.2 GMDH网络的训练 183

5.6 CMAC、B样条和RBF的异同 184

5.6.1 CMAC、B样条和RBF的相同之处 184

5.6.2 CMAC、B样条和RBF的不同之处 185

第6章 反馈型神经网络 187

6.1 Hopfield网络 187

6.1.1 离散Hopfield网络 188

6.1.2 连续Hopfield网络 193

6.1.3 联想记忆 194

6.1.4 Hopfield网络结构 198

6.1.5 Hopfield网络模型学习过程 199

6.1.6 几个重要结论 199

6.1.7 Hopfield网络的应用 199

6.2 Elman网络 208

6.2.1 Elman网络结构 209

6.2.2 修正网络权值的学习算法 210

6.2.3 稳定性推导 211

6.2.4 对角递归网络稳定时学习速率的确定 213

6.2.5 Elman网络与训练 214

6.2.6 Elman网络的应用 216

6.3 双向联想记忆网络 223

6.3.1 BAM网络结构与原理 223

6.3.2 能量函数与稳定性分析 224

6.3.3 BAM网络的权值设计 225

6.3.4 BAM网络的应用 226

6.4 盒中脑模型 228

6.4.1 盒中脑模型的描述 228

6.4.2 盒中脑模型的实现 228

6.5 局部递归神经网络 230

6.5.1 PIDNNC的设计 231

6.5.2 闭环控制系统稳定性分析 233

第7章 竞争型神经网络 235

7.1 自组织神经网络的基本函数 235

7.1.1 创建函数 236

7.1.2 学习函数 239

7.1.3 竞争传递函数 243

7.1.4 初始化函数 244

7.1.5 距离函数 245

7.1.6 训练竞争层函数 247

7.1.7 绘图函数 247

7.1.8 结构函数 248

7.2 自组织竞争神经网络 249

7.2.1 常用的几种联想学习规则 250

7.2.2 自组织竞争神经网络的结构 255

7.2.3 自组织竞争神经网络的设计 256

7.2.4 自组织竞争神经网络的应用 260

7.3 自组织特征映射网络 264

7.3.1 自组织特征映射网络模型 265

7.3.2 自组织特征映射网络的结构 266

7.3.3 自组织特征映射网络的设计 267

7.3.4 自组织特征映射网络的应用 270

7.4 学习向量量化神经网络 275

7.4.1 学习向量量化神经网络的结构 275

7.4.2 学习向量量化神经网络的学习 276

7.4.3 学习向量量化的学习算法的改进 279

7.4.4 学习向量量化神经网络的应用 279

7.5 主分量分析 282

7.5.1 主分量分析方法 282

7.5.2 主分量分析网络的算法 284

7.5.3 非线性主分量分析及其网络模型 289

第8章 神经网络控制的综合应用 293

8.1 神经网络控制结构 293

8.1.1 神经网络监督控制 293

8.1.2 神经网络预测控制 294

8.1.3 神经网络自适应评判控制 294

8.2 最小方差自校正控制 296

8.2.1 最小方差控制 296

8.2.2 最小方差间接自校正控制 300

8.2.3 最小方差直接自校正控制 303

8.3 模型预测控制 306

8.3.1 系统辨识 307

8.3.2 广义预测控制 307

8.4 农作物虫情预测 319

8.4.1 基于神经网络的虫情预测原理 320

8.4.2 BP网络设计 321

8.5 模型参考控制 324

8.5.1 模型参考控制概念 324

8.5.2 模型参考控制实例分析 324

8.6 神经网络控制的应用 328

8.6.1 机器人神经网络数字控制 328

8.6.2 神经网络的跟踪迭代学习控制 336

第9章 神经网络在Simulink中的应用 341

9.1 Simulink交互式仿真集成环境 341

9.1.1 Simulink模型的创建 341

9.1.2 Simulink仿真 343

9.1.3 Simulink简单示例 345

9.2 Simulink神经网络模块 347

9.2.1 传递函数模块 347

9.2.2 网络输入模块 348

9.2.3 权值设置模块 349

9.2.4 控制系统模块 349

9.3 Simulink应用示例 350

第10章 神经网络的模糊控制及其自定义网络 354

10.1 神经网络的模糊控制 354

10.1.1 神经网络控制的结构 354

10.1.2 神经网络的特征 355

10.1.3 神经网络模糊控制器的应用 357

10.1.4 神经网络模糊控制应用于洗衣机中 360

10.2 神经网络的自定义网络 364

10.2.1 定制网络 365

10.2.2 网络设计 365

10.2.3 网络训练 373

参考文献 377