神经网络实用教程

前言

第1章人工神经网络概述

1.1神经网络的基本概念

1.1.1生物神经元的结构与功能特点

1.1.2人工神经元模型

1.1.3神经网络的结构及工作方式

1.1.4神经网络的学习

1.2神经网络的特点及其应用

1.2.1神经网络的特点

1.2.2神经网络的应用领域

练习题

第2章实用神经网络模型与学习算法

2.1MATLAB快速入门

2.1.1MATLAB界面组成

2.1.2MATIAB基本运算

2.1.3MATLAB绘图函数

2.2感知器神经网络模型与学习算法

2.2.1单层感知器

2.2.2单层感知器的学习算法

2.2.3单层感知器的MATLAB实现

2.2.4多层感知器

2.3线性神经网络模型与学习算法

2.3.1线性神经元网络模型

2.3.2线性神经网络的学习算法

2.3.3线性神经网络的MAT[AB实现

2.4BP神经网络模型与学习算法

2.4.1BP神经网络模型

2.4.2BP网络的标准学习算法

2.4.3BP神经网络学习算法的MATLAB实现

2.5径向基函数神经网络模型与学习算法

2.5.1RBF神经网络模型

2.5.2RBF网络的学习算法

2.5.3RBF网络学习算法的MATLAB实现

2.6自组织神经网络模型与学习算法

2.6.1自组织特征映射神经网络结构

2.6.2自组织特征映射网络的学习算法

2.6.3自组织网络学习算法的MATIJAB实现-

2.7学习向量量化(LVQ)神经网络模型与学习算法

2.7.1LVQ神经网络结构-

2.7.2LVQ神经网络的学习算法

2.7.3LVQ神经网络学习算法的MATLAB实现

2.8Elman神经网络算法模型与学习算法

2.8.1Elman神经网络结构

2.8.2Elman神经网络学习算法

2.8.3Elman神经网络学习算法的MATLAB实现

2.9Hopfield神经网络模型与学习算法

2.9.1离散Hopfield神经网络

2.9.2连续Hopfield神经网络

2.9.3Hopfield神经网络的MATIJAB实现

2.10Boltzmann神经网络模型与学习算法

2.10.1Bohzmann机的网络结构

2.10.2Bohzmann机学习算法

2.11模糊神经网络

2.11.1模糊神经网络主要形式

2.11.2模糊神经网络模型

2.11.3模糊神经网络学习方法

2.11.4模糊逻辑MATLAB函数

练习题

第3章神经网络优化方法

3.1BP网络学习算法的改进

3.1.1消除样本输入顺序影响的改进算法

3.1.2附加动量的改进算法

3.1.3采用自适应调整参数的改进算法

3.1.4使用弹性方法的改进算法

3.1.5使用拟牛顿法的改进算法

3.1.6基于共轭梯度法的改进算法

3.1.7基于LevenbergMarquardt法的改进算法

3.2基于遗传算法的神经网络优化方法

3.2.1概述

3.2.2遗传算法简介

3.2.3遗传算法工具箱

3.2.4用遗传算法优化神经网络权值的学习过程

3.3小波神经网络

3.3.1概述

3.3.2小波神经网络参数调整算法

3.3.3小波神经网络的MATLAB函数

练习题

第4章nnToolKit神经网络工具包

4.1nnToolKit简介

4.2nnToolKit函数库

4.3应用举例

4.3.1基于LM神经网络的房地产开发风险预测模型

4.3.2自组织特征映射网络进行图像识别

4.3.3模糊神经网络预测地基沉降量

4.3.4基于遗传神经网络的图像分割

4.3.5小波神经网络在1一D插值上的应用

练习题

第5章MATLAB混合编程技术

5.1概述

5.2COM生成器(COMBuilder)

5.2.1创建nnToolKit的COM组件

5.2.2nnToolKit组件的安装

5.2.3VB调用nnToolKit神经网络工具包实现混合编程

5.2.4CB调用nnToolKit神经网络工具包实现混合编程

5.2.5VC调用nnToolKit神经网络工具包实现混合编程

5.3Exeel生成器(ExeelBuilder)

5.3.1创建nnxq、oolKit的Excel插件

5.3.2nnxToolKit组件的安装

5.3.3nnxToolKit组件集成到VBA

5.3.4创建图形用户界面

5.3.5保存和测试插件

5.3.6分发应用程序

5.3.7应用示例

练习题

第6章神经网络混合编程案例

6.1概述

6.2预测评价指标体系

6.3预测评估模型

6.4有效模式和样本集的确定

6.5样本库的建立和归一化处理

6.5.1样本库的建立

6.5.2归一化处理

6.6系统实现

练习题

附录2NDN神经网络建模仿真工具

1.2NDN神经网络建模型仿真工具简介

1.12NDN主要特点

1.22NDN功能简介

2.基于时间序列的股票趋势预测模型

3.用2NDN神经网络建模型仿真工具实现混合编程

练习题

参考文献

　　作者根据多年来从事神经网络应用开发以及使用MATLAB的经验编写了这本书，书中除了介绍神经网络的实用算法外，还详细介绍了在高级编程语言中如何实现神经网络的混合编程，并配有丰富的实例。全书内容主要包括：人工神经网络概述，实用神经网络模型与学习算法，神经网络优化算法，nnToolKit神经网络工具包，MATLAB混合编程技术，混合编程案例，2NDN神经网络建模仿真平台。本书可作为高等学校理工类各专业高年级本科生和研究生的神经网络课程的教材，也可作为各领域工程技术人员的参考用书，还可作为其他科技工作者应用神经网络的参考资料。　　本书基于MATLAB6.5／7提供的神经网络工具箱，介绍了神经网络常用算法、优化算法及其混合编程实现。全书共分为6章，分别结合实例介绍了人工神经网络概述、实用神经网络模型与学习算法、神经网络算法优化、nnToolKit神经网络工具包、MATLAB混合编程技术、混合编程案例。附录中介绍了2NDN神经网络建模仿真平台。全书图文并茂，由浅入深，脉络清晰，融教学与实例于一体，通过大量的神经网络应用实例介绍了神经网络的常用算法及混合编程实现方法，并配有习题。全书可读性和操作性较强。　　本书可作为高校自动化、计算机、材料化工、机械工程、数学、电子工程、信息与信息处理等专业的教材和相关专业工程技术人员的参考书，读者可到智能中国网(www.5iAI.com)上下载本书配套程序和电子课件。智能中国网是中国AI创业研发俱乐部旗下专业的人工智能网站。