本书共分为9 章。主要内容包括人工神经网络概述和MATLAB 基本用法介绍、MATLAB 神经网络工具箱的基本用法和应用实例;介绍神经网络工具箱函数的功能和实用方法,包括感知器、线性神经网络、BP 网络、径向基网络、自组织竞争型神经网络、自组织特征映射神经网络、Elman 神经网络、 Hopfield 网络、联想记忆网络的应用、图形用户接口。 [1] 自定义神经网络、神经网络在工程中的应用等内容。本书可作为高等院校计算机、电子工程、控制工程、通信、数学、力学、机械和航空航天等专业学生的参考教材,对从事上述领域工作的广大科技人员具有重要的参考价值,对学习神经网络及其仿真技术的读者来说,也是一本有价值的入门指导书。

第1章神经网络概述及MATLAB介绍1

1.1人工神经网络基本知识1

1.2神经网络的发展历程2

1.3神经网络研究及其应用5

1.4神经细胞与人工神经元6

1.4.1生物神经元的特点6

1.4.2人工神经元模型7

1.5神经网络的分类9

1.6神经网络的学习训练11

1.7MATLAB入门学习13

1.7.1MATLAB的发展史13

1.7.2MATLAB的功能14

1.7.3MATLAB的语言特点15

1.8MATLAB用户界面16

1.8.1MATLAB的启动和退出17

1.8.2MATLAB工作环境17

1.9MATLAB的数值与变量23

1.9.1MATLAB 的数值23

1.9.2MATLAB 的变量24

第2章感知器神经网络28

2.1单层感知器28

2.1.1单层感知器模型28

2.1.2单层感知器功能30

2.1.3单层感知器神经网络结构33

2.2多层感知器34

2.2.1多层感知器模型34

2.2.2多层感知器设计35

2.3感知器的学习算法36

2.4感知器神经网络的训练函数38

2.4.1感知器创建函数38

2.4.2感知器初始化函数39

2.4.3感知器显示函数41

2.4.4感知器仿真函数43

2.4.5感知器性能函数45

2.4.6感知器的训练函数46

2.4.7感知器的学习函数48

2.4.8感知器的传递函数50

2.5感知器的局限性52

2.6感知器神经网络的应用实例分析54

2.6.1判断气体污染物的分类54

2.6.2奇异样本对感知器神经网络训练的影响56

第3章线性神经网络59

3.1线性神经网络模型及结构59

3.1.1神经元模型59

3.1.2线性神经网络的结构61

3.2线性神经网络的学习算法61

3.3线性神经网络的构建63

3.3.1生成线性神经元63

3.3.2线性滤波器65

3.4线性神经网络的训练66

3.5线性神经网络的训练函数68

3.5.1线性网络的创建函数69

3.5.2线性网络的学习函数72

3.5.3线性网络的传输函数75

3.5.4线性网络的权积函数76

3.5.5线性网络的初始化函数78

3.6线性神经网络的局限性79

3.6.1线性相关向量79

3.6.2学习速率过大80

3.7线性神经网络应用实例分析84

3.7.1线性网络在噪声对消中的应用84

3.7.2线性网络在信号预测中的应用87

3.7.3线性网络实现异或的应用90

第4章BP神经网络95

4.1BP神经网络模型及结构96

4.1.1神经元模型96

4.1.2前馈型神经网络结构97

4.2BP神经网络的算法与BP网络推导98

4.2.1BP 神经网络算法98

4.2.2BP神经网络的推导104

4.3BP神经网络的训练函数109

4.3.1BP网络创建函数110

4.3.2BP网络神经元上的传递函数118

4.3.3BP网络学习函数124

4.3.4BP网络训练函数126

4.3.5BP网络性能函数130

4.3.6BP网络显示函数133

4.4BP神经网络的局限性137

4.5BP神经网络算法的改进138

4.6BP神经网络的应用实例分析145

4.6.1利用BP网络去除有关噪声的问题145

4.6.2基于BP网络的性别识别148

第5章反馈型神经网络160

5.1反馈神经网络的概述160

5.2离散Hopfield神经网络163

5.2.1离散型Hopfield神经网络模型163

5.2.2离散Hopfield神经网络的稳定性166

5.2.3离散Hopfield神经网络权值的学习169

5.2.4离散Hopfield神经网络的联想记忆171

5.3连续Hopfield神经网络175

5.3.1连续Hopfield神经网络模型结构175

5.3.2连续Hopfield神经网络稳定性176

5.3.3连续Hopfield神经网络的特点177

5.4Hopfield神经网络的训练函数178

5.4.1Hopfield网络的创建函数178

5.4.2Hopfield网络的传递函数179

5.4.3Hopfield网络的辅助函数182

5.5Hopfield神经网络应用实例分析183

5.5.1二神经元Hopfield网络设计问题183

5.5.2Hopfield网络的伪平衡点问题186

5.5.3三神经元的Hopfield网络问题188

5.6Elman神经网络191

5.6.1Elman神经网络结构192

5.6.2Elman神经网络权值修正的学习算法193

5.6.3Elman神经网络权稳定性195

5.6.4对角递归网络稳定时学习速率的确定196

5.7Elman神经网络的训练函数197

5.8Elman神经网络应用实例分析200

第6章径向基函数神经网络205

6.1径向基函数神经网络基本原理205

6.1.1径向基函数的结构模型205

6.2径向基函数神经网络的学习算法207

6.2.1随机选取固定中心法207

6.2.2自组织选取中心209

6.2.3正交最小二乘法210

6.3径向基函数神经网络的训练函数212

6.3.1径向基函数网络创建函数212

6.3.2径向基函数网络传递函数216

6.3.3径向基函数网络转换函数217

6.3.4径向基函数网络权函数219

6.3.5径向基函数网络输入函数222

6.4其他径向基函数神经网络223

6.4.1广义回归神经网络223

6.4.2概率神经网络226

6.5径向基函数神经网络的优缺点231

6.6径向基函数神经网络的应用实例分析232

6.6.1径向基函数网络用于曲线拟合的问题232

6.6.2径向基函数网络用于非线性函数回归的问题235

第7章自组织竞争型神经网络239

7.1自组织竞争型神经网络的模型及结构239

7.2自组织竞争型神经网络的原理241

7.2.1自组织竞争网络的学习策略241

7.2.2自组织竞争网络的学习原理243

7.3几种常用的联想学习规则244

7.4自组织竞争型神经网络存在的问题247

7.5SOM神经网络248

7.5.1SOM神经网络的拓扑结构248

7.5.2SOM神经网络的学习算法249

7.5.3SOM神经网络的训练过程252

7.6LVQ神经网络253

7.6.1LVQ神经网络结构253

7.6.2LVQ神经网络的学习算法254

7.7自组织竞争神经网络的训练函数257

7.7.1自组织竞争神经网络创建函数258

7.7.2自组织竞争神经网络学习函数261

7.7.3自组织竞争神经网络传递函数271

7.7.4自组织竞争神经网络初始化函数273

7.7.5自组织竞争神经网络结构函数273

7.7.6自组织竞争神经网络距离函数276

7.7.7自组织竞争神经网络显示函数279

7.8自组织竞争神经网络应用实例分析283

7.8.1基于LVQ神经网络的人脸朝向识别问题283

7.8.2基于SOM神经网络的故障诊断分析288

第8章MATLAB编程实现神经网络的应用293

8.1基于HBF网络的自适应状态观测器设计293

8.1.1HBF网络293

8.1.2观测器设计294

8.1.3仿真验证297

8.2基于RBF网络的船用柴油机故障诊断306

8.2.1故障样本集的收集与设计306

8.2.2网络输出向量设计308

8.3带有偏差单元的递归神经网络311

8.3.1BP网络及算法的不足312

8.3.2带有偏差单元的递归神经网络312

8.3.3带有偏差单元的递归神经网络的误差反向传播学习规则的数学推导313

8.3.4带有偏差单元的递归神经网络诊断模型的建立318

8.4基于FCM优化的RBF网络自适应状态观测器设计322

8.4.1FCM优化的RBF网络322

8.4.2自适应状态观测器设计323

8.4.3仿真验证327

8.5基于泛函模糊神经网络的GPS/INS 组合导航系统的软故障诊断331

8.5.1状态χ2检验原理331

8.5.2泛函模糊神经网络的结构336

8.5.3仿真验证338

第9章神经网络工具箱的使用345

9.1自定义神经网络345

9.1.1自定义一个简单的网络347

9.1.2自定义一个复杂的网络351

9.1.3自定义网络的训练366

9.2自定义神经网络工具箱函数369

9.3自定义神经网络实用的工具箱函数370

参考文献\"