MATLAB神经网络原理与实例精解

第1篇 入门篇

第1章 神经网络概述（教学视频：10分钟）

1.1 人工神经网络简介

1.2 神经网络的特点及应用

1.2.1 神经网络的特点

1.2.2 神经网络的应用

1.3 人工神经网络的发展历史

1.4 神经网络模型

1.5 神经网络的学习方式

第2章 MATLAB快速入门（教学视频：48分钟）

2.1 MATLAB功能及历史

2.1.1 MATLAB的功能和特点

2.1.2 MATLAB发展历史

2.2 MATLAB R2011b集成开发环境

2.2.1 MATLAB的安装

2.2.2 MATLAB集成开发环境

2.2.3 搜索路径设定

2.3 MATLAB语言基础

2.3.1 标识符与数组

2.3.2 数据类型

2.3.3 运算符

2.3.4 流程控制

2.3.5 M文件

第3章 MATLAB函数与神经网络工具箱（教学视频：62分钟）

3.1 MATLAB常用命令

3.2 矩阵生成和基本运算

3.2.1 zeros生成全零矩阵

3.2.2 0nes生成全1矩阵

3.2.3 magic生成魔方矩阵

3.2.4 eye生成单位矩阵

3.2.5 rand生成均匀分布随机数

3.2.6 randn生成正态分布随机数

3.2.7 linspace产生线性等分向量

3.2.8 logspace产生对数等分向量

3.2.9 randperm生成随机整数排列

3.2.10 randi生成整数随机数

3.2.11 range向量的最大/最小值之差

3.2.12 minmax求最大/最小值

3.2.13 min/max/mean求最大/最小值

3.2.14 size/length/numel/ndims矩阵维度相关

3.2.15 sum/prod求和或积

3.2.16 var/std求方差与标准差

3.2.17 diag生成对角矩阵

3.2.18 repmat矩阵复制和平铺

3.2.19 reshape矩阵变维

3.2.20 inv/pinv矩阵求逆/求伪逆

3.2.21 rank/det求矩阵的秩/行列式

3.2.22 eig矩阵的特征值分解

3.2.23 svd矩阵的奇异值分解

3.2.24 trace求矩阵的迹

3.2.25 norm求向量或矩阵的范数

3.3 数学函数

3.3.1 abs求绝对值

3.3.2 exp/log指数函数/对数函数

3.3.3 log10/log2常用对数/以2为底的对数

3.3.4 fix/roun～ceil/floor取整函数

3.3.5 mod/rem取模数／余数

3.4 图形相关函数

3.4.1 plot绘制二维图像

3.4.2 坐标轴设置函数

3.4.3 subplot同一窗口分区绘图

3.4.4 figure/hold创建窗口／图形保持

3.4.5 semilogx/semilogy单对数坐标图

3.4.6 contour/clabel曲面等高线／等高线标签

3.4.7 gcf/gca/gco返回当前图形／坐标／对象句柄

3.4.8 mesh绘制三维网格图

3.5 神经网络工具箱

3.5.1 工具箱函数基本介绍

3.5.2 神经网络对象与属性

第2篇 原理篇

第4章 单层感知器（ 教学视频：27分钟）

4.1 单层感知器的结构 104

4.2 单层感知器的学习算法 105

4.3 感知器的局限性 108

4.4 单层感知器相关函数详解 108

4.4.1 newp——创建一个感知器 108

4.4.2 train——训练感知器网络 111

4.4.3 sim——对训练好的网络进行仿真 113

4.4.4 hardlim/hardlims——感知器传输函数 114

4.4.5 init——神经网络初始化函数 115

4.4.6 adapt——神经网络的自适应 117

4.4.7 mae——平均绝对误差性能函数 119

4.5 单层感知器应用实例——坐标点的二类模式分类 120

4.5.1 手算 120

4.5.2 使用工具箱函数 127

第5章 线性神经网络（ 教学视频：41分钟）

5.1 线性神经网络的结构 129

5.2 LMS学习算法 130

5.3 LMS算法中学习率的选择 132

5.3.1 确保网络稳定收敛的学习率 132

5.3.2 学习率逐渐下降 133

5.4 线性神经网络与感知器的对比 134

5.4.1 网络传输函数 134

5.4.2 学习算法 134

5.5 线性神经网络相关函数详解 134

5.5.1 newlind——设计一个线性层 135

5.5.2 newlin——构造一个线性层 136

5.5.3 purelin——线性传输函数 138

5.5.4 learnwh——LMS学习函数 138

5.5.5 maxlinlr——计算最大学习率 141

5.5.6 mse——均方误差性能函数 142

5.5.7 linearlayer——构造线性层的函数 143

5.6 线性神经网络应用实例 144

5.6.1 实现二值逻辑——与 144

5.6.2 实现二值逻辑——异或 151

第6章 BP神经网络（ 教学视频：49分钟）

6.1 BP神经网络的结构 156

6.2 BP网络的学习算法 158

6.2.1 最速下降法 158

6.2.2 最速下降BP法 159

6.2.3 串行和批量训练方式 162

6.2.4 最速下降BP法的改进 163

6.3 设计BP网络的方法 164

6.4 BP神经网络的局限性 166

6.5 BP网络相关函数详解 166

6.5.1 logsig——Log-Sigmoid传输函数 167

6.5.2 tansig——Tan-Sigmoid传输函数 168

6.5.3 newff——创建一个BP网络 169

6.5.4 feedforwardnet——创建一个BP网络 172

6.5.5 newcf——级联的前向神经网络 173

6.5.6 cascadeforwardnet——新版级联前向网络 174

6.5.7 newfftd——前馈输入延迟的BP网络 175

6.5.8 dlogsig/dtansig——Sigmoid函数的导数 176

6.6 BP神经网络应用实例 177

6.6.1 基于BP网络的性别识别 177

6.6.2 实现二值逻辑——异或 191

第7章 径向基函数网络（ 教学视频：62分钟）

7.1 径向基神经网络的两种结构 196

7.1.1 径向基函数 196

7.1.2 正则化网络 198

7.1.3 广义网络 199

7.2 径向基神经网络的学习算法 200

7.2.1 随机选取固定中心 200

7.2.2 自组织选取中心 201

7.2.3 有监督选取中心 202

7.2.4 正交最小二乘法 203

7.3 径向基神经网络与多层感知器的比较 204

7.4 概率神经网络 205

7.4.1 模式分类的贝叶斯决策理论 205

7.4.2 概率神经网络的结构 206

7.4.3 概率神经网络的优点 207

7.5 广义回归神经网络 208

7.5.1 广义回归神经网络的理论基础 208

7.5.2 广义回归神经网络的结构 209

7.6 径向基神经网络相关函数详解 210

7.6.1 newrb——设计一个径向基函数网络 210

7.6.2 newrbe——设计一个严格的径向基网络 212

7.6.3 radbas——径向基函数 213

7.6.4 dist——欧几里得距离权函数 215

7.6.5 netprod——乘积网络输入函数 215

7.6.6 dotprod——内积权函数 216

7.6.7 netsum——求和网络输入函数 217

7.6.8 newpnn——设计概率神经网络 217

7.6.9 compet——竞争性传输函数 218

7.6.10 ind2vec/vec2ind——向量-下标转换函数 220

7.6.11 newgrnn——设计广义回归神经网络 220

7.6.12 normprod——归一化点积权函数 221

7.7 径向基网络应用实例 222

7.7.1 异或问题 222

7.7.2 RBF网络曲线拟合 227

7.7.3 GRNN网络曲线拟合 234

7.7.4 PNN网络用于坐标点分类 237

第8章 自组织竞争神经网络（ 教学视频：52分钟）

8.1 竞争神经网络

8.2 竞争神经网络的学习算法 243

8.2.1 Kohonen学习规则 244

8.2.2 阈值学习规则 245

8.3 自组织特征映射网络 246

8.4 SOM的学习算法 247

8.5 学习矢量量化网络 249

8.5.1 LVQ1学习规则 250

8.5.2 LVQ2规则 250

8.6 自组织竞争网络相关函数详解 251

8.6.1 gridtop——网格拓扑函数 251

8.6.2 hextop——六边形拓扑函数 252

8.6.3 randtop——随机拓扑结构函数 253

8.6.4 tritop——三角拓扑函数 253

8.6.5 dist、boxdist、linkdist、mandist——距离函数 255

8.6.6 newc——竞争网络 258

8.6.7 competlayer——新版竞争网络函数 260

8.6.8 newsom——自组织特征映射网络 261

8.6.9 selforgmap——新版自组织映射网络函数 262

8.6.10 newlvq——学习矢量量化网络 265

8.6.11 lvqnet——新版学习矢量量化网络函数 267

8.6.12 mapminmax——归一化函数 268

8.7 自组织竞争神经网络应用实例 269

第9章 反馈神经网络（ 教学视频：51分钟）

9.1 离散Hopfield神经网络 278

9.2 连续Hopfield神经网络 284

9.3 Elman神经网络 285

9.4 盒中脑模型 286

9.5 反馈神经网络相关函数详解 288

9.6 反馈神经网络应用实例 296

第10章 随机神经网络（ 教学视频：40分钟）

10.1 模拟退火算法 308

10.2 Boltzmann机 311

10.3 Sigmoid置信度网络 316

10.4 MATLAB模拟退火算法工具 317

10.5 模拟退火算法求解TSP问题 327

第11章 用GUI设计神经网络（ 教学视频：56分钟） 334

11.1 神经网络工具（nntool） 334

11.2 神经网络分类/聚类工具（nctool） 340

11.3 神经网络拟合工具（nftool） 348

11.4 神经网络模式识别工具（nprtool） 353

11.5 神经网络时间序列工具（ntstool） 359

11.6 nntraintool与view 365

第3篇 实战篇

第12章 Simulink 368

12.1 Simulink中的神经网络模块 368

12.2 用gensim生成模块 371

第13章 神经网络应用实例（ 教学视频：96分钟）

13.1 BP神经网络实现图像压缩 377

13.2 Elman网络预测上证股市开盘价 387

13.3 径向基网络预测地下水位 395

13.4 基于BP网络的个人信贷信用评估 402

13.5 基于概率神经网络的手写体数字识别 411

13.6 基于概率神经网络的柴油机故障诊断 420

13.7 基于自组织特征映射网络的亚洲足球水平聚类 425

本书结合科研和高校教学的相关课程，全面、系统、详细地介绍了MATLAB神经网络的原理及应用，并给出了大量典型的实例供读者参考。本书附带1张光盘，收录了本书重点内容的配套多媒体教学视频及书中涉及的实例源文件。这些资料可以大大方便读者高效、直观地学习本书内容。本书首先简要介绍了MATLAB软件的使用和常用的内置函数，随后分门别类地介绍了BP网络、径向基网络、自组织网络、反馈网络等不同类型的神经网络，并在每章的最后给出了实例。在全书的最后，又以专门的一章收集了MATLAB神经网络在图像、工业、金融、体育等不同领域的具体应用，具有很高的理论和使用价值。全书内容详实、重点突出，从三个层次循序渐进地利用实例讲解网络原理和使用方法，降低了学习门槛，使看似神秘高深的神经网络算法更为简单易学。本书适合学习神经网络的人员使用MATLAB方便地实现神经网络以解决实际问题，也适合神经网络或机器学习算法的研究者及MATLAB进阶学习者阅读。另外，本书可以作为高校相关课程的教材和教学参考书。

MATLAB技术论坛、MATLAB中文论坛共同推荐，提供在线交流，有问必答的网络互动答疑服务！
提供10小时配套教学视频，并附赠24.5小时MATLAB基础教学视频，提供教学PPT下载服务
详解109个典型实例、7个综合案例和50多个神经网络工具箱函数
涵盖单层感知器、线性神经网络、BP神经网络、径向基网络、自组织神经网络、反馈神经网络、随机神经网络7种主要的网络类型　
超值DVD光盘内容
10小时配套教学视频
24.5小时MATLAB基础教学视频（赠送）