MATLAB神经网络43个案例分析

第1章　BP神经网络的数据分类——语音特征信号分类1.1　案例背景1.1.1　BP神经网络概述1.1.2　语音特征信号识别1.2　模型建立1.3　MATLAB实现1.3.1　归一化方法及MATLAB函数1.3.2　数据选择和归一化1.3.3　BP神经网络结构初始化1.3.4　BP神经网络训练1.3.5　BP神经网络分类1.3.6　结果分析1.4　案例扩展1.4.1　隐含层节点数1.4.2　附加动量方法

第1章　BP神经网络的数据分类——语音特征信号分类1.1　案例背景1.1.1　BP神经网络概述1.1.2　语音特征信号识别1.2　模型建立1.3　MATLAB实现1.3.1　归一化方法及MATLAB函数1.3.2　数据选择和归一化1.3.3　BP神经网络结构初始化1.3.4　BP神经网络训练1.3.5　BP神经网络分类1.3.6　结果分析1.4　案例扩展1.4.1　隐含层节点数1.4.2　附加动量方法1.4.3　变学习率学习算法参考文献第2章　BP神经网络的非线性系统建模——非线性函数拟合2.1　案例背景2.2　模型建立2.3　MATLAB实现2.3.1　BP神经网络工具箱函数2.3.2　数据选择和归一化2.3.3　BP神经网络训练2.3.4　BP神经网络预测2.3.5　结果分析2.4　案例扩展2.4.1　多隐含层BP神经网络2.4.2　隐含层节点数2.4.3　训练数据对预测精度影响2.4.4　节点转移函数2.4.5　网络拟合的局限性参考文献第3章　遗传算法优化BP神经网络——非线性函数拟合3.1　案例背景3.1.1　遗传算法原理3.1.2　遗传算法的基本要素3.1.3　拟合函数3.2　模型建立3.2.1　算法流程3.2.2　遗传算法实现3.3　编程实现3.3.1　适应度函数3.3.2　选择操作3.3.3　交叉操作3.3.4　变异操作3.3.5　遗传算法主函数3.3.6　遗传算法优化的BP神经网络函数拟合3.3.7　结果分析3.4　案例扩展3.4.1　其他优化方法3.4.2　网络结构优化3.4.3　算法的局限性参考文献第4章　神经网络遗传算法函数极值寻优——非线性函数极值寻优4.1　案例背景4.2　模型建立4.3　编程实现4.3.1　BP神经网络训练4.3.2　适应度函数4.3.3　遗传算法主函数4.3.4　结果分析4.4　案例扩展4.4.1　工程实例4.4.2　预测精度探讨参考文献第5章　基于BP_Adaboost的强分类器设计——公司财务预警建模5.1　案例背景5.1.1　BP_Adaboost模型5.1.2　公司财务预警系统介绍5.2　模型建立5.3　编程实现5.3.1　数据集选择5.3.2　弱分类器学习分类5.3.3　强分类器分类和结果统计5.3.4　结果分析5.4　案例扩展5.4.1　数据集选择5.4.2　弱预测器学习预测5.4.3　强预测器预测5.4.4　结果分析参考文献第6章　PID神经元网络解耦控制算法——多变量系统控制6.1　案例背景6.1.1　PID神经元网络结构6.1.2　控制律计算6.1.3　权值修正6.1.4　控制对象6.2　模型建立6.3　编程实现6.3.1　PID神经网络初始化6.3.2　控制律计算6.3.3　权值修正6.3.4　结果分析6.4　案例扩展6.4.1　增加动量项6.4.2　神经元系数6.4.3　PID神经元网络权值优化参考文献第7章　RBF网络的回归——非线性函数回归的实现第8章　GRNN的数据预测——基于广义回归神经网络的货运量预测第9章　离散Hopfield神经网络的联想记忆——数字识别第10章　离散Hopfield神经网络的分类——高校科研能力评价第11章　连续Hopfield神经网络的优化——旅行商问题优化计算第12章　初识SVM分类与回归第13章　LIBSVM参数实例详解第14章　基于SVM的数据分类预测——意大利葡萄酒种类识别第15章　SVM的参数优化——如何更好地提升分类器的性能第16章　基于SVM的回归预测分析——上证指数开盘指数预测第17章　基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章　基于SVM的图像分割——真彩色图像分割第19章　基于SVM的手写字体识别第20章　LIBSVMFarutoUltimate工具箱及GUI版本介绍与使用第21章　自组织竞争网络在模式分类中的应用——患者癌症发病预测第22章　SOM神经网络的数据分类——柴油机故障诊断第23章　Elman神经网络的数据预测——电力负荷预测模型研究第24章　概率神经网络的分类预测——基于PNN的变压器故障诊断第25章　基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选第26章　LVQ神经网络的分类——乳腺肿瘤诊断第27章　LVQ神经网络的预测——人脸朝向识别第28章　决策树分类器的应用研究——乳腺癌诊断第29章　极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章　基于随机森林思想的组合分类器设计——乳腺癌诊断第31章　思维进化算法优化BP神经网络——非线性函数拟合第32章　小波神经网络的时间序列预测——短时交通流量预测第33章　模糊神经网络的预测算法——嘉陵江水质评价第34章　广义神经网络的聚类算法——网络入侵聚类第35章　粒子群优化算法的寻优算法——非线性函数极值寻优第36章　遗传算法优化计算——建模自变量降维第37章　基于灰色神经网络的预测算法研究——订单需求预测第38章　基于Kohonen网络的聚类算法——网络入侵聚类第39章　神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章　动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章　定制神经网络的实现——神经网络的个性化建模与仿真第42章　并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章　神经网络高效编程技巧——基于MATLAB R2012b新版本特性的探讨

《MATLAB神经网络43个案例分析》是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。　　本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLABR2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。　　使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLABR2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。　　本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。

《MATLAB神经网络43个案例分析》详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLABR2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。　　作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。