MATLAB神經(jīng)網(wǎng)絡分析及應用

第1章 神經(jīng)網(wǎng)絡應用廣泛的原因1
1.1　人工神經(jīng)網(wǎng)絡的定義1
1.1.1　神經(jīng)網(wǎng)絡基本概述1
1.1.2　人工神經(jīng)元的基本特征1
1.1.3　人工神經(jīng)元的特點與優(yōu)越性2
1.2　人工神經(jīng)網(wǎng)絡的類型2
1.2.1　單層前向網(wǎng)絡3
1.2.2　多層前向網(wǎng)絡3
1.2.3　反饋網(wǎng)絡4
1.2.4　競爭型神經(jīng)網(wǎng)絡4
1.2.5　深度神經(jīng)網(wǎng)絡4
1.3　人工神經(jīng)網(wǎng)絡的應用5
1.4　神經(jīng)網(wǎng)絡的發(fā)展史5
1.4.1　模型提出6
1.4.2　冰河期6
1.4.3　反向傳播引起的復興6
1.4.4　第二次低潮7
1.4.5　深度學習的崛起7
1.5　神經(jīng)網(wǎng)絡學習8
第2章 MATLAB快速入門10
2.1　MATLAB功能及發(fā)展10
2.1.1　MATLAB常用功能10
2.1.2　MATLAB的發(fā)展11
2.2　MATLAB R2023b集成開發(fā)環(huán)境 11
2.3　幫助命令12
2.4　MATLAB桌面基礎知識14
2.5　MATLAB語言基礎15
2.5.1　命令輸入15
2.5.2　矩陣和數(shù)組16
2.5.3　數(shù)據(jù)類型30
2.5.4　基本運算35
2.5.5　循環(huán)及選擇結(jié)構38
第3章 感知器分析與應用42
3.1　單層感知器42
3.1.1　單層感知器模型42
3.1.2　單層感知器結(jié)構43
3.1.3　創(chuàng)建感知器44
3.1.4　感知器學習規(guī)則45
3.1.5　訓練46
3.2　感知器的限制50
3.3　離群值和歸一化感知器規(guī)則50
3.4　感知器工具箱函數(shù)50
3.5　感知器的應用53
3.6　多層感知器分析與應用59
第4章 線性神經(jīng)網(wǎng)絡分析與應用63
4.1　線性神經(jīng)網(wǎng)絡與感知器的區(qū)別63
4.2　線性神經(jīng)網(wǎng)絡原理63
4.2.1　線性神經(jīng)網(wǎng)絡模型63
4.2.2　線性神經(jīng)網(wǎng)絡結(jié)構64
4.2.3　線性濾波器65
4.2.4　自適應線性濾波網(wǎng)絡66
4.2.5　學習規(guī)則66
4.2.6　網(wǎng)絡訓練68
4.3　線性神經(jīng)網(wǎng)絡函數(shù)70
4.4　線性神經(jīng)網(wǎng)絡的實現(xiàn)77
第5章 BP神經(jīng)網(wǎng)絡分析與應用87
5.1　BP神經(jīng)網(wǎng)絡原理87
5.1.1　BP神經(jīng)網(wǎng)絡模型87
5.1.2　BP神經(jīng)網(wǎng)絡的流程88
5.1.3　BP神經(jīng)網(wǎng)絡的訓練91
5.1.4　BP神經(jīng)網(wǎng)絡功能94
5.2　BP神經(jīng)網(wǎng)絡設計94
5.2.1　網(wǎng)絡的層數(shù)94
5.2.2　隱藏層的神經(jīng)元數(shù)94
5.2.3　初始值的選取95
5.2.4　學習速率95
5.3　BP神經(jīng)網(wǎng)絡函數(shù)95
5.4　BP神經(jīng)網(wǎng)絡的應用102
5.4.1　BP神經(jīng)網(wǎng)絡在數(shù)據(jù)預測中的應用102
5.4.2　BP神經(jīng)網(wǎng)絡在函數(shù)逼近中的應用104
5.4.3　BP神經(jīng)網(wǎng)絡的工具箱擬合數(shù)據(jù)應用107
5.4.4　BP神經(jīng)網(wǎng)絡在語音特征信號識別中的應用115
第6章 RBF神經(jīng)網(wǎng)絡分析與應用121
6.1　RBF神經(jīng)網(wǎng)絡模型121
6.1.1　RBF神經(jīng)網(wǎng)絡的思想122
6.1.2　RBF神經(jīng)網(wǎng)絡的工作原理122
6.2　RBF解決插值問題122
6.2.1　插值概述123
6.2.2　完全內(nèi)插存在的問題124
6.2.3　正則化理論124
6.2.4　正則化RBF125
6.2.5　廣義RBF網(wǎng)絡125
6.3　RBF學習算法127
6.4　RBF網(wǎng)絡工具箱函數(shù)128
6.5　RBF網(wǎng)絡的應用131
第7章 反饋神經(jīng)網(wǎng)絡分析與應用142
7.1　靜態(tài)與反饋網(wǎng)絡142
7.2　Elman神經(jīng)網(wǎng)絡145
7.2.1　Elman神經(jīng)網(wǎng)絡特點145
7.2.2　Elman神經(jīng)網(wǎng)絡結(jié)構145
7.2.3　Elman神經(jīng)網(wǎng)絡的學習過程145
7.2.4　Elman神經(jīng)網(wǎng)絡的應用146
7.3　離散Hopfield神經(jīng)網(wǎng)絡153
7.3.1　Hopfield神經(jīng)網(wǎng)絡結(jié)構154
7.3.2　網(wǎng)絡的工作方式156
7.3.3　網(wǎng)絡的穩(wěn)定156
7.3.4　聯(lián)想記憶156
7.3.5　Hebb學習規(guī)則159
7.4　連續(xù)Hopfield神經(jīng)網(wǎng)絡160
7.4.1　連續(xù)Hopfield神經(jīng)網(wǎng)絡的穩(wěn)定性160
7.4.2　連續(xù)Hopfield神經(jīng)網(wǎng)絡的實現(xiàn)161
第8章 競爭型神經(jīng)網(wǎng)絡分析與應用167
8.1　競爭型神經(jīng)網(wǎng)絡167
8.2　自組織神經(jīng)網(wǎng)絡169
8.2.1　自組織競爭學習170
8.2.2　自組織競爭學習規(guī)則170
8.2.3　聯(lián)想學習規(guī)則171
8.2.4　自組織神經(jīng)網(wǎng)絡的原理174
8.2.5　自組織神經(jīng)網(wǎng)絡實現(xiàn)175
8.3　自組織特征映射網(wǎng)絡176
8.3.1　拓撲結(jié)構176
8.3.2　SOM權值調(diào)整177
8.3.3　Kohonen算法步驟177
8.3.4　自組織映射網(wǎng)絡的實現(xiàn)178
8.4　使用自組織映射對數(shù)據(jù)進行聚類 181
8.5　學習向量量化神經(jīng)網(wǎng)絡185
8.5.1　量化的定義186
8.5.2　LVQ神經(jīng)網(wǎng)絡186
8.5.3　LVQ網(wǎng)絡算法187
8.5.4　LVQ網(wǎng)絡的實現(xiàn)187
8.6　對偶傳播神經(jīng)網(wǎng)絡190
8.6.1　網(wǎng)絡結(jié)構與運行原理190
8.6.2　學習算法191
8.6.3　改進CPN191
8.6.4　CPN實現(xiàn)192
8.7　自適應共振理論網(wǎng)絡195
8.7.1　ARTⅠ型網(wǎng)絡196
8.7.2　ARTⅠ型網(wǎng)絡學習過程197
8.7.3　ARTⅠ型網(wǎng)絡的應用198
第9章 神經(jīng)網(wǎng)絡的Simulink應用201
9.1　Simulink神經(jīng)網(wǎng)絡模塊201
9.1.1　神經(jīng)網(wǎng)絡模塊201
9.1.2　模塊的生成208
9.2　基于Simulink的神經(jīng)網(wǎng)絡的控制系統(tǒng)211
9.2.1　神經(jīng)網(wǎng)絡模型預測控制211
9.2.2　反饋線性化控制215
9.2.3　模型參考控制218
第10章 自定義神經(jīng)網(wǎng)絡221
10.1　自定義神經(jīng)網(wǎng)絡概述221
10.1.1　創(chuàng)建網(wǎng)絡222
10.1.2　網(wǎng)絡的初始化和訓練232
10.2　自定義函數(shù)235
10.2.1　初始化函數(shù)235
10.2.2　學習函數(shù)236
10.2.3　仿真函數(shù)238
第11章 深度神經(jīng)網(wǎng)絡分析與應用240
11.1　卷積神經(jīng)網(wǎng)絡240
11.1.1　卷積神經(jīng)網(wǎng)絡的結(jié)構240
11.1.2　卷積神經(jīng)網(wǎng)絡的訓練241
11.1.3　卷積神經(jīng)網(wǎng)絡的算法242
11.1.4　卷積神經(jīng)網(wǎng)絡的實現(xiàn)244
11.2　循環(huán)神經(jīng)網(wǎng)絡247
11.2.1　循環(huán)神經(jīng)網(wǎng)絡的特點247
11.2.2　循環(huán)神經(jīng)網(wǎng)絡的原理248
11.2.3　損失函數(shù)248
11.2.4　梯度求解249
11.2.5　循環(huán)神經(jīng)網(wǎng)絡的實現(xiàn)250
11.3　長短期記憶網(wǎng)絡253
11.3.1　LSTM基本單元結(jié)構253
11.3.2　LSTM的應用255
參考文獻270