MATLAB神经网络超级学习手册

《MATLAB神经网络超级学习手册》以新近推出的MATLAB R2013a神经网络工具箱为基础，系统全面地介绍了神经网络的各种概念和应用。《MATLAB神经网络超级学习手册》按逻辑编排，自始至终采用实例描述；内容完整且每章相对独立，是一本不可多得的掌握MATLAB神经网络的学习用书。
全书共分为16章，从MATLAB简介开始，详细介绍了MATLAB的基础知识、MATLAB程序设计、人工神经网络概述、感知器、线性神经网络、BP神经网络、RBF神经网络、反馈型神经网络、竞争型神经网络、神经网络在Simulink中的应用、神经网络GUI、自定义神经网络及函数等内容。在本书最后，还详细介绍了神经网络在MATLAB中的几种应用方法。
《MATLAB神经网络超级学习手册》以神经网络结构为主线，以学习算法为副线，结合各种实例，目的是使读者易看懂、会应用。本书是一本简明介绍MATLAB神经网络设计技能的综合性用书。《MATLAB神经网络超级学习手册》深入浅出，实例引导，讲解详实，既可以作为高等院校理工科的研究生、本科生的教材，也可作为广大科研工程技术人员的参考用书。

目录

第1章MATLAB简介1
1．1MATLAB的发展1
1．2MATLAB的特点及应用领域2
1．3MATLAB R2013a的安装3
1．4MATLAB R2013a的工作环境5
1．4．1操作界面简介5
1．4．2Workspace(命令窗口)6
1．4．3Command History(历史命令窗口)9
1．4．4输入变量11
1．4．5路径管理12
1．4．6搜索路径13
1．4．7Workspace(工作空间)14
1．4．8变量的编辑命令15
1．4．9存取数据文件17
1．5MATLAB R2013a的帮助系统17
1．5．1纯文本帮助18
1．5．2演示帮助19
1．5．3帮助导航21
1．5．4帮助文件目录窗22
1．5．5帮助文件索引窗22
1．6本章小结23

第2章MATLAB基础24
2．1基本概念24
2．1．1MATLAB数据类型概述24
2．1．2常量与变量25
2．1．3标量、向量、矩阵与数组26
2．1．4运算符28
2．1．5命令、函数、表达式和语句30
2．2MATLAB中的数组31
2．2．1数组的保存和装载31
2．2．2数组索引和寻址32
2．2．3数组的扩展和裁剪34
2．2．4数组形状的改变40
2．2．5数组运算43
2．2．6数组的查找46
2．2．7数组的排序47
2．2．8高维数组的降维操作48
2．3曲线拟合49
2．3．1多项式拟合49
2．3．2加权最小方差(WLS)拟合原理及实例50
2．4M文件52
2．4．1M文件概述53
2．4．2局部变量与全局变量54
2．4．3M文件的编辑与运行55
2．4．4脚本文件56
2．4．5函数文件57
2．4．6函数调用58
2．4．7M文件调试工具61
2．4．8M文件分析工具63
2．5本章小结65

第3章MATLAB程序设计66
3．1MATLAB的程序结构66
3．1．1if分支结构66
3．1．2switch分支结构68
3．1．3while循环结构68
3．1．4for循环结构70
3．2MATLAB的控制语句71
3．2．1continue命令71
3．2．2break命令72
3．2．3return命令73
3．2．4input命令73
3．2．5keyboard命令74
3．2．6error和warning命令74
3．3数据的输入输出75
3．3．1键盘输入语句(input)75
3．3．2屏幕输出语句(disp)76
3．3．3M数据文件的存储/加载(save/load)76
3．3．4格式化文本文件的存储/读取(fprintf/fscanf)76
3．3．5二进制数据文件的存储/读取(fwrite/fread)76
3．3．6数据文件行存储/读取(fgetl/fgets)77
3．4MATLAB文件操作77
3．5MATLAB程序优化79
3．5．1效率优化(时间优化)79
3．5．2内存优化(空间优化)80
3．5．3编程注意事项85
3．5．4几个常用数学方法的算法程序86
3．6程序调试94
3．6．1程序调试命令94
3．6．2程序剖析95
3．7本章小结99

第4章人工神经网络概述100
4．1人工神经网络100
4．1．1人工神经网络的发展100
4．1．2人工神经网络研究内容101
4．1．3人工神经网络研究方向102
4．1．4人工神经网络发展趋势102
4．2神经元105
4．2．1神经元细胞105
4．2．2MP模型106
4．2．3一般神经元模型107
4．3神经网络的结构及学习108
4．3．1神经网络结构108
4．3．2神经网络学习110
4．4MATLAB神经网络工具箱111
4．4．1神经网络工具箱函数112
4．4．2神经网络工具箱的使用113
4．5本章小结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感知器学习规则121
5．1．4感知器训练121
5．2感知器的局限性122
5．3感知器工具箱的函数122
5．4感知器的MATLAB仿真程序设计130
5．4．1单层感知器MATLAB仿真程序设计130
5．4．2多层感知器MATLAB仿真程序设计135
5．5本章小结139

第6章线性神经网络140
6．1线性神经网络原理140
6．1．1线性神经网络模型140
6．1．2线性神经网络初始化141
6．1．3线性神经网络学习规则142
6．1．4线性神经网络的训练144
6．2线性神经网络工具箱函数147
6．3线性神经网络的MATLAB仿真程序设计153
6．3．1线性神经网络设计的基本方法153
6．3．2线性神经网络的设计153
6．4本章小结158

第7章BP神经网络159
7．1BP神经网络原理159
7．1．1BP神经网络模型159
7．1．2BP神经网络算法161
7．1．3BP神经网络的训练164
7．1．4BP神经网络功能167
7．2网络的设计167
7．2．1网络的层数167
7．2．2隐含层的神经元数168
7．2．3初始权值的选取168
7．2．4学习速率168
7．3BP神经网络工具箱函数168
7．4BP神经网络的工程应用173
7．4．1BP网络在函数逼近中的应用173
7．4．2nntool神经网络工具箱的应用181
7．4．3BP神经网络在语音特征信号分类中的应用184
7．4．4BP神经网络的非线性函数拟合应用190
7．5本章小结193

第8章RBF神经网络194
8．1RBF网络模型194
8．1．1RBF神经网络模型194
8．1．2RBF网络的工作原理195
8．1．3RBF神经网络的具体实现196
8．2RBF神经网络的学习算法196
8．3RBF网络工具箱函数198
8．3．1RBF工具箱函数198
8．3．2转换函数200
8．3．3传递函数201
8．4基于RBF网络的非线性滤波202
8．4．1非线性滤波202
8．4．2RBF神经网络用于非线性滤波202
8．5RBF网络MATLAB应用实例207
8．6本章小结216

第9章反馈型神经网络217
9．1反馈型神经网络的基本概念217
9．2Hopfield网络模型219
9．2．1Hopfield网络模型220
9．2．2状态轨迹221
9．2．3状态轨迹发散221
9．3Hopfield网络工具箱函数222
9．3．1Hopfield网络创建函数223
9．3．2Hopfield网络传递函数227
9．4离散型Hopfield网络228
9．4．1DHNN模型结构228
9．4．2联想记忆229
9．4．3DHNN的海布(Hebb)学习规则232
9．4．4DHNN权值设计的其他方法233
9．5连续型Hopfield网络235
9．6Elman网络242
9．6．1Elman网络结构243
9．6．2Elman网络创建函数243
9．6．3Elman网络的工程应用245
9．7本章小结252

第10章竞争型神经网络253
10．1自组织型竞争神经网络253
10．1．1几种联想学习规则253
10．1．2网络结构258
10．1．3自组织神经网络的原理260
10．1．4竞争学习规则265
10．1．5竞争网络的训练过程265
10．2自组织特征映射神经网络266
10．2．1自组织特征映射神经网络拓扑结构267
10．2．2SOM权值调整域268
10．2．3SOM网络运行原理269
10．2．4网络的训练过程270
10．3自适应共振理论神经网络272
10．3．1自适应共振理论神经网络概述272
10．3．2ART网络的结构及特点272
10．4学习向量量化神经网络273
10．4．1LVQ神经网络结构273
10．4．2LVQ神经网络算法274
10．5竞争型神经网络工具箱函数274
10．6竞争型神经网络的应用286
10．7本章小结294

第11章神经网络的Simulink应用295
11．1基于Simulink的神经网络模块295
11．1．1神经网络模块295
11．1．2模块的生成302
11．2基于Simulink的神经网络控制系统306
11．2．1神经网络模型预测控制307
11．2．2反馈线性化控制310
11．2．3模型参考控制313
11．3本章小结315

第12章神经网络GUI316
12．1GUI简介316
12．1．1GUI设计工具316
12．1．2启动GUIDE318
12．1．3添加控件组件319
12．1．4设置控件组件的属性322
12．1．5编写相应的程序代码326
12．1．6GUIDE创建GUI的注意事项331
12．1．7定制标准菜单333
12．2神经网络GUI334
12．2．1常规神经网络GUI334
12．2．2神经网络拟合GUI339
12．2．3神经网络模式识别GUI346
12．2．4神经网络聚类GUI351
12．3GUI数据操作358
12．3．1从Workspace导入数据到GUI358
12．3．2从GUI中导出数据到Workspace360
12．3．3数据的存储和读取363
12．3．4数据的删除365
12．4本章小结365

第13章自定义神经网络及函数366
13．1自定义神经网络366
13．1．1网络的创建367
13．1．2网络的初始化、训练和仿真382
13．2自定义函数386
13．2．1初始化函数386
13．2．2学习函数387
13．2．3仿真函数389
13．3本章小结390

第14章随机神经网络391
14．1随机神经网络的基本思想391
14．2模拟退火算法392
14．2．1模拟退火算法的原理393
14．2．2模拟退火算法用于组合优化问题394
14．2．3退火算法的参数控制395
14．3Boltzmann机396
14．3．1Boltzmann机的网络结构396
14．3．2Boltzmann机的工作原理398
14．3．3Boltzmann机的运行步骤399
14．3．4Boltzmann机的学习规则400
14．3．5Boltzmann机的改进401
14．4随机神经网络的应用404
14．5本章小结407

第15章神经网络基础运用408
15．1感知器神经网络的应用408
15．2线性神经网络的应用409
15．3BP神经网络的应用411
15．4RBF神经网络的应用413
15．5本章小结415

第16章神经网络综合运用416
16．1BP神经网络的应用416
16．1．1数据拟合416
16．1．2数据预测423
16．1．3函数逼近429
16．2PID神经网络控制433
16．3遗传算法优化神经网络441
16．4模糊神经网络控制447
16．5概率神经网络分类预测456
16．6本章小结460

附录461
参考文献463