MATLAB神經(jīng)網(wǎng)絡(luò)超級學習手冊

目　錄
第1章　MATLAB簡介　1
1．1　MATLAB的發(fā)展　1
1．2　MATLAB的特點及應(yīng)用領(lǐng)域　2
1．3　MATLAB R2013a的安裝　3
1．4　MATLAB R2013a的工作環(huán)境　5
1．4．1　操作界面簡介　5
1．4．2　Workspace(命令窗口)　6
1．4．3　Command History(歷史命令窗口)　9
1．4．4　輸入變量　11
1．4．5　路徑管理　12
1．4．6　搜索路徑　13
1．4．7　Workspace(工作空間)　14
1．4．8　變量的編輯命令　15
1．4．9　存取數(shù)據(jù)文件　17
1．5　MATLAB R2013a的幫助系統(tǒng)　17
1．5．1　純文本幫助　18
1．5．2　演示幫助　19
1．5．3　幫助導(dǎo)航　21
1．5．4　幫助文件目錄窗　22
1．5．5　幫助文件索引窗　22
1．6　本章小結(jié)　23
第2章　MATLAB基礎(chǔ)　24
2．1　基本概念　24
2．1．1　MATLAB數(shù)據(jù)類型概述　24
2．1．2　常量與變量　25
2．1．3　標量、向量、矩陣與數(shù)組　26
2．1．4　運算符　28
2．1．5　命令、函數(shù)、表達式和語句　30
2．2　MATLAB中的數(shù)組　31
2．2．1　數(shù)組的保存和裝載　31
2．2．2　數(shù)組索引和尋址　32
2．2．3　數(shù)組的擴展和裁剪　34
2．2．4　數(shù)組形狀的改變　40
2．2．5　數(shù)組運算　43
2．2．6　數(shù)組的查找　46
2．2．7　數(shù)組的排序　47
2．2．8　高維數(shù)組的降維操作　48
2．3　曲線擬合　49
2．3．1　多項式擬合　49
2．3．2　加權(quán)最小方差(WLS)擬合原理及實例　50
2．4　M文件　52
2．4．1　M文件概述　53
2．4．2　局部變量與全局變量　54
2．4．3　M文件的編輯與運行　55
2．4．4　腳本文件　56
2．4．5　函數(shù)文件　57
2．4．6　函數(shù)調(diào)用　58
2．4．7　M文件調(diào)試工具　61
2．4．8　M文件分析工具　63
2．5　本章小結(jié)　65
第3章　MATLAB程序設(shè)計　66
3．1　MATLAB的程序結(jié)構(gòu)　66
3．1．1　if分支結(jié)構(gòu)　66
3．1．2　switch分支結(jié)構(gòu)　68
3．1．3　while循環(huán)結(jié)構(gòu)　68
3．1．4　for循環(huán)結(jié)構(gòu)　70
3．2　MATLAB的控制語句　71
3．2．1　continue命令　71
3．2．2　break命令　72
3．2．3　return命令　73
3．2．4　input命令　73
3．2．5　keyboard命令　74
3．2．6　error和warning命令　74
3．3　數(shù)據(jù)的輸入輸出　75
3．3．1　鍵盤輸入語句(input)　75
3．3．2　屏幕輸出語句(disp)　76
3．3．3　M數(shù)據(jù)文件的存儲/加載(save/load)　76
3．3．4　格式化文本文件的存儲/讀取(fprintf/fscanf)　76
3．3．5　二進制數(shù)據(jù)文件的存儲/讀取(fwrite/fread)　76
3．3．6　數(shù)據(jù)文件行存儲/讀取(fgetl/fgets)　77
3．4　MATLAB文件操作　77
3．5　MATLAB程序優(yōu)化　79
3．5．1　效率優(yōu)化(時間優(yōu)化)　79
3．5．2　內(nèi)存優(yōu)化(空間優(yōu)化)　80
3．5．3　編程注意事項　85
3．5．4　幾個常用數(shù)學方法的算法程序　86
3．6　程序調(diào)試　94
3．6．1　程序調(diào)試命令　94
3．6．2　程序剖析　95
3．7　本章小結(jié)　99
第4章　人工神經(jīng)網(wǎng)絡(luò)概述　100
4．1　人工神經(jīng)網(wǎng)絡(luò)　100
4．1．1　人工神經(jīng)網(wǎng)絡(luò)的發(fā)展　100
4．1．2　人工神經(jīng)網(wǎng)絡(luò)研究內(nèi)容　101
4．1．3　人工神經(jīng)網(wǎng)絡(luò)研究方向　102
4．1．4　人工神經(jīng)網(wǎng)絡(luò)發(fā)展趨勢　102
4．2　神經(jīng)元　105
4．2．1　神經(jīng)元細胞　105
4．2．2　MP模型　106
4．2．3　一般神經(jīng)元模型　107
4．3　神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及學習　108
4．3．1　神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)　108
4．3．2　神經(jīng)網(wǎng)絡(luò)學習　110
4．4　MATLAB神經(jīng)網(wǎng)絡(luò)工具箱　111
4．4．1　神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)　112
4．4．2　神經(jīng)網(wǎng)絡(luò)工具箱的使用　113
4．5　本章小結(jié)　118
第5章　感知器　119
5．1　感知器原理　119
5．1．1　感知器模型　119
5．1．2　感知器初始化　120
5．1．3　感知器學習規(guī)則　121
5．1．4　感知器訓練　121
5．2　感知器的局限性　122
5．3　感知器工具箱的函數(shù)　122
5．4　感知器的MATLAB仿真程序設(shè)計　130
5．4．1　單層感知器MATLAB仿真程序設(shè)計　130
5．4．2　多層感知器MATLAB仿真程序設(shè)計　135
5．5　本章小結(jié)　139
第6章　線性神經(jīng)網(wǎng)絡(luò)　140
6．1　線性神經(jīng)網(wǎng)絡(luò)原理　140
6．1．1　線性神經(jīng)網(wǎng)絡(luò)模型　140
6．1．2　線性神經(jīng)網(wǎng)絡(luò)初始化　141
6．1．3　線性神經(jīng)網(wǎng)絡(luò)學習規(guī)則　142
6．1．4　線性神經(jīng)網(wǎng)絡(luò)的訓練　144
6．2　線性神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)　147
6．3　線性神經(jīng)網(wǎng)絡(luò)的MATLAB仿真程序設(shè)計　153
6．3．1　線性神經(jīng)網(wǎng)絡(luò)設(shè)計的基本方法　153
6．3．2　線性神經(jīng)網(wǎng)絡(luò)的設(shè)計　153
6．4　本章小結(jié)　158
第7章　BP神經(jīng)網(wǎng)絡(luò)　159
7．1　BP神經(jīng)網(wǎng)絡(luò)原理　159
7．1．1　BP神經(jīng)網(wǎng)絡(luò)模型　159
7．1．2　BP神經(jīng)網(wǎng)絡(luò)算法　161
7．1．3　BP神經(jīng)網(wǎng)絡(luò)的訓練　164
7．1．4　BP神經(jīng)網(wǎng)絡(luò)功能　167
7．2　網(wǎng)絡(luò)的設(shè)計　167
7．2．1　網(wǎng)絡(luò)的層數(shù)　167
7．2．2　隱含層的神經(jīng)元數(shù)　168
7．2．3　初始權(quán)值的選取　168
7．2．4　學習速率　168
7．3　BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)　168
7．4　BP神經(jīng)網(wǎng)絡(luò)的工程應(yīng)用　173
7．4．1　BP網(wǎng)絡(luò)在函數(shù)逼近中的應(yīng)用　173
7．4．2　nntool神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用　181
7．4．3　BP神經(jīng)網(wǎng)絡(luò)在語音特征信號分類中的應(yīng)用　184
7．4．4　BP神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)擬合應(yīng)用　190
7．5　本章小結(jié)　193
第8章　RBF神經(jīng)網(wǎng)絡(luò)　194
8．1　RBF網(wǎng)絡(luò)模型　194
8．1．1　RBF神經(jīng)網(wǎng)絡(luò)模型　194
8．1．2　RBF網(wǎng)絡(luò)的工作原理　195
8．1．3　RBF神經(jīng)網(wǎng)絡(luò)的具體實現(xiàn)　196
8．2　RBF神經(jīng)網(wǎng)絡(luò)的學習算法　196
8．3　RBF網(wǎng)絡(luò)工具箱函數(shù)　198
8．3．1　RBF工具箱函數(shù)　198
8．3．2　轉(zhuǎn)換函數(shù)　200
8．3．3　傳遞函數(shù)　201
8．4　基于RBF網(wǎng)絡(luò)的非線性濾波　202
8．4．1　非線性濾波　202
8．4．2　RBF神經(jīng)網(wǎng)絡(luò)用于非線性濾波　202
8．5　RBF網(wǎng)絡(luò)MATLAB應(yīng)用實例　207
8．6　本章小結(jié)　216
第9章　反饋型神經(jīng)網(wǎng)絡(luò)　217
9．1　反饋型神經(jīng)網(wǎng)絡(luò)的基本概念　217
9．2　Hopfield網(wǎng)絡(luò)模型　219
9．2．1　Hopfield網(wǎng)絡(luò)模型　220
9．2．2　狀態(tài)軌跡　221
9．2．3　狀態(tài)軌跡發(fā)散　221
9．3　Hopfield網(wǎng)絡(luò)工具箱函數(shù)　222
9．3．1　Hopfield網(wǎng)絡(luò)創(chuàng)建函數(shù)　223
9．3．2　Hopfield網(wǎng)絡(luò)傳遞函數(shù)　227
9．4　離散型Hopfield網(wǎng)絡(luò)　228
9．4．1　DHNN模型結(jié)構(gòu)　228
9．4．2　聯(lián)想記憶　229
9．4．3　DHNN的海布(Hebb)學習規(guī)則　232
9．4．4　DHNN權(quán)值設(shè)計的其他方法　233
9．5　連續(xù)型Hopfield網(wǎng)絡(luò)　235
9．6　Elman網(wǎng)絡(luò)　242
9．6．1　Elman網(wǎng)絡(luò)結(jié)構(gòu)　243
9．6．2　Elman網(wǎng)絡(luò)創(chuàng)建函數(shù)　243
9．6．3　Elman網(wǎng)絡(luò)的工程應(yīng)用　245
9．7　本章小結(jié)　252
第10章　競爭型神經(jīng)網(wǎng)絡(luò)　253
10．1　自組織型競爭神經(jīng)網(wǎng)絡(luò)　253
10．1．1　幾種聯(lián)想學習規(guī)則　253
10．1．2　網(wǎng)絡(luò)結(jié)構(gòu)　258
10．1．3　自組織神經(jīng)網(wǎng)絡(luò)的原理　260
10．1．4　競爭學習規(guī)則　265
10．1．5　競爭網(wǎng)絡(luò)的訓練過程　265
10．2　自組織特征映射神經(jīng)網(wǎng)絡(luò)　266
10．2．1　自組織特征映射神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)　267
10．2．2　SOM權(quán)值調(diào)整域　268
10．2．3　SOM網(wǎng)絡(luò)運行原理　269
10．2．4　網(wǎng)絡(luò)的訓練過程　270
10．3　自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)　272
10．3．1　自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)概述　272
10．3．2　ART網(wǎng)絡(luò)的結(jié)構(gòu)及特點　272
10．4　學習向量量化神經(jīng)網(wǎng)絡(luò)　273
10．4．1　LVQ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)　273
10．4．2　LVQ神經(jīng)網(wǎng)絡(luò)算法　274
10．5　競爭型神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)　274
10．6　競爭型神經(jīng)網(wǎng)絡(luò)的應(yīng)用　286
10．7　本章小結(jié)　294
第11章　神經(jīng)網(wǎng)絡(luò)的Simulink應(yīng)用　295
11．1　基于Simulink的神經(jīng)網(wǎng)絡(luò)模塊　295
11．1．1　神經(jīng)網(wǎng)絡(luò)模塊　295
11．1．2　模塊的生成　302
11．2　基于Simulink的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)　306
11．2．1　神經(jīng)網(wǎng)絡(luò)模型預(yù)測控制　307
11．2．2　反饋線性化控制　310
11．2．3　模型參考控制　313
11．3　本章小結(jié)　315
第12章　神經(jīng)網(wǎng)絡(luò)GUI　316
12．1　GUI簡介　316
12．1．1　GUI設(shè)計工具　316
12．1．2　啟動GUIDE　318
12．1．3　添加控件組件　319
12．1．4　設(shè)置控件組件的屬性　322
12．1．5　編寫相應(yīng)的程序代碼　326
12．1．6　GUIDE創(chuàng)建GUI的注意事項　331
12．1．7　定制標準菜單　333
12．2　神經(jīng)網(wǎng)絡(luò)GUI　334
12．2．1　常規(guī)神經(jīng)網(wǎng)絡(luò)GUI　334
12．2．2　神經(jīng)網(wǎng)絡(luò)擬合GUI　339
12．2．3　神經(jīng)網(wǎng)絡(luò)模式識別GUI　346
12．2．4　神經(jīng)網(wǎng)絡(luò)聚類GUI　351
12．3　GUI數(shù)據(jù)操作　358
12．3．1　從Workspace導(dǎo)入數(shù)據(jù)到GUI　358
12．3．2　從GUI中導(dǎo)出數(shù)據(jù)到Workspace　360
12．3．3　數(shù)據(jù)的存儲和讀取　363
12．3．4　數(shù)據(jù)的刪除　365
12．4　本章小結(jié)　365
第13章　自定義神經(jīng)網(wǎng)絡(luò)及函數(shù)　366
13．1　自定義神經(jīng)網(wǎng)絡(luò)　366
13．1．1　網(wǎng)絡(luò)的創(chuàng)建　367
13．1．2　網(wǎng)絡(luò)的初始化、訓練和仿真　382
13．2　自定義函數(shù)　386
13．2．1　初始化函數(shù)　386
13．2．2　學習函數(shù)　387
13．2．3　仿真函數(shù)　389
13．3　本章小結(jié)　390
第14章　隨機神經(jīng)網(wǎng)絡(luò)　391
14．1　隨機神經(jīng)網(wǎng)絡(luò)的基本思想　391
14．2　模擬退火算法　392
14．2．1　模擬退火算法的原理　393
14．2．2　模擬退火算法用于組合優(yōu)化問題　394
14．2．3　退火算法的參數(shù)控制　395
14．3　Boltzmann機　396
14．3．1　Boltzmann機的網(wǎng)絡(luò)結(jié)構(gòu)　396
14．3．2　Boltzmann機的工作原理　398
14．3．3　Boltzmann機的運行步驟　399
14．3．4　Boltzmann機的學習規(guī)則　400
14．3．5　Boltzmann機的改進　401
14．4　隨機神經(jīng)網(wǎng)絡(luò)的應(yīng)用　404
14．5　本章小結(jié)　407
第15章　神經(jīng)網(wǎng)絡(luò)基礎(chǔ)運用　408
15．1　感知器神經(jīng)網(wǎng)絡(luò)的應(yīng)用　408
15．2　線性神經(jīng)網(wǎng)絡(luò)的應(yīng)用　409
15．3　BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用　411
15．4　RBF神經(jīng)網(wǎng)絡(luò)的應(yīng)用　413
15．5　本章小結(jié)　415
第16章　神經(jīng)網(wǎng)絡(luò)綜合運用　416
16．1　BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用　416
16．1．1　數(shù)據(jù)擬合　416
16．1．2　數(shù)據(jù)預(yù)測　423
16．1．3　函數(shù)逼近　429
16．2　PID神經(jīng)網(wǎng)絡(luò)控制　433
16．3　遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)　441
16．4　模糊神經(jīng)網(wǎng)絡(luò)控制　447
16．5　概率神經(jīng)網(wǎng)絡(luò)分類預(yù)測　456
16．6　本章小結(jié)　460
附錄　461
參考文獻　463