 |
-- 會員 / 註冊 --
|
 |
|
|
|
MATLAB神經網絡30例 ( 簡體 字) |
| 作者：楊杰,占君,張繼傳 | 類別：1. -> 工程繪圖與工程計算 -> Matlab |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 39194
詢問書籍請說出此書號！【缺書】
NT售價： 300 元 |
| 出版日：7/1/2014 |
| 頁數：344 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121238154 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：自1943年神經生物學家Me Culloch和青年數學家Pitts合作提出第一個人工神經元模型以來，神經網絡經歷了近70年的蓬勃發展，其類型之豐富、應用之廣泛、影響之深遠恐怕是初創者始料未及的。然而，從目前的文獻資料來看，神經網絡的效能遠遠未能實現最大化，人們對于各種神經網絡的認識與應用也很不充分。因此，本書試圖從兩個方面來解決這一問題。
第一，盡可能全面、生動、形象地介紹各類神經網絡。總體上來講，神經網絡分為三類，即前饋型、反饋型與自組織型。前饋型網絡主要應用于擬合問題；反饋型網絡主要應用于優化問題；自組織型網絡主要應用于分類問題。但實際情況往往千差萬別，如何根據實際情況使用神經網絡需要進行深入研究，本書根據不同神經網絡的特點，分析了各種具體實例下神經網絡的使用方法，以達到拋磚引玉的效果。
第二，盡可能詳細、嚴謹、直觀地給出各種實例下神經網絡的算法、源代碼、Simulink方法與GUI方法。高效簡潔的程序必須依賴高效簡潔的算法。因此，本書一方面詳細介紹常用神經網絡的MATLAB函數，減少不必要的編程與公式推導；另一方面，重點推導了一些新型網絡的MATLAB編程算法，最大限度地保證了程序的高效性、可讀性、可移植性與可擴展性，讀者再遇到相似問題時，只需修改程序中的若干參數即可，而無須再更改程序本身，省去了編程之苦。
基于以上兩個方面，本書在介紹各類神經網絡的基本原理、使用方法與MATLAB函數的同時，結合嚴謹的算法推導與通俗易懂的實例編程應用來說明各類神經網絡解決問題的實際表現與編程技巧。各實例的內容簡介如下。
實例1：主要介紹BP神經網絡的基本原理、MATLAB函數，然后比較了BP神經網絡擬合、多項式擬合與非線性擬合的基本理論、編程方法與實際表現。
實例2：由于高維輸入容易造成“維數災難”，該實例主要介紹通過主成分分析的方法實現神經網絡的降維，減少計算規模，并利用該方法實現了對股票價格的預測。
實例3與實例4：由于BP神經網絡常常存在多個局部極小值點，而常規的梯度下降法容易陷于這些區域“不能自拔”。因此，實例3與實例4分別利用遺傳算法與粒子群算法具有全局尋優與跳出局部極值的能力，實現了BP神經網絡權值學習的最優化，并列舉了相應的實例作為旁證。
實例5：主要介紹了離散型Hopfield神經網絡的工作原理、MATLAB函數、設計方法，利用該網絡具有漸進穩定點的特點實現對交通標志的識別。
實例6：介紹了連續型號Hopfield神經網絡的工作原理，重點推導了設計CHNN網絡的方法、解決TSP問題的編程算法，并利用設計的CHNN網絡與算法實現了旅游路線周線的規劃。
實例7：主要介紹了感知器網絡與線性網絡的基本原理與MATLAB函數，并列舉了相應的實例。
實例8：主要介紹了RBF神經網絡的基本原理與MATLAB函數，根據太陽黑子預報的問題，比較了經典的ARMA預報方法、RBF網絡與BP網絡三者的實際表現。
實例9：介紹了GRNN網絡的基本原理與統計學意義，特別介紹了UKF濾波方法，然后根據無源雙地基雷達對飛機跟蹤的問題比較了GRNN網絡與UKF濾波方法的實際表現。
實例10：介紹了模糊邏輯理論、TS型模糊神經網絡，重點推導了模糊神經網絡的學習算法，并利用該網絡實現了地基沉降量的預測。
實例11：主要介紹了概率神經網絡的基本原理與MATLAB函數，并利用該網絡將遙感圖像按顏色分為了3類，效果顯著。
實例12：介紹了小波理論與小波神經網絡理論，重點推導了小波網絡的學習算法，并利用該算法實現了電力負荷的預測。
實例13：由于神經網絡PID控制是神經網絡的重要應用，該實例介紹了PID控制的基本理論，并利用Hebb規則PID的自適應控制。
實例14：主要介紹了灰色理論與灰色神經網絡的基本原理，重點推導了灰色網絡的學習算法，并利用該網絡實現了空調訂單的預報。
實例15：主要介紹了混沌理論與Chebyshev神經網絡的基本原理，重點推導了Chebyshev網絡的學習算法，并利用該算法實現了字符串的異步加密，實現效果良好。
實例16：主要介紹了隨機Hopfield神經網絡檢測器、CDMA通信模型與多用戶檢測器問題，然后利用隨機Hopfield神經網絡實現了最優CDMA多用戶檢測。
實例17：主要介紹了ELMAN神經網絡的基本原理、MATLAB函數與RSSI無線定位技術，并運用ELMAN神經網絡與RSSI技術初步實現了無線傳感器的定位。
實例18：主要介紹了混沌通信的基本原理與混沌同步理論，利用混沌神經網絡實現了L＆#368;混沌系統與Lorenz超混沌系統兩種條件下的保密通信仿真。
實例19與實例20：主要介紹了Simulink方法及基于Simulink方法分別實現水反應器的神經網絡控制與引信的神經網絡去噪，并列舉了相應的源代碼。
實例21：主要介紹了SOM神經網絡的基本原理與常用的聚類分析方法，給出了SOM網絡與K均值聚類方法的MATLAB函數，并通過實例比較了兩種方法的分類能力。
實例22：主要介紹了LVQ網絡的基本原理、MATLAB函數及常用的圖像邊緣檢測算法與MATLAB函數，并通過實例比較了LVQ網絡與常用邊緣檢測方法對圖像邊緣的檢測效果。
實例23：主要介紹了Kohonen神經網絡的基本原理與學習算法，以及彩色圖像智能分層方法，通過編程實現了Kohonen網絡對彩色圖像的智能分層。
實例24：主要介紹了Boltzman機的基本原理與模擬退火的基本理論，根據模擬退火初步解決了城市周游問題。
實例25：主要介紹了余弦基神經網絡的基本理論和調制解調的基本原理，利用余弦基神經網絡模擬橢圓濾波器，初步實現了信號的調制解調。
實例26與實例27：主要介紹了SVM分類器與回歸方法的基本原理、工具箱函數及使用方法，并利用SVM分類器實現了DNA序列的分類，利用SVM回歸方法實現了對上證指數開盤指數的回歸分析。
實例28：主要介紹了量子神經網絡的基本原理，重要推導了量子神經網絡的學習算法，并利用該神經網絡實現了對油氣資源的評價與預測。
實例29：結合實例介紹了神經網絡的數據管理工具箱、擬合工具箱，以及模式識別工具箱的圖像界面及相應的使用方法。
實例30：設計了一種在理論上可以任意設置拓撲結構和無限擴展的BP神經網絡，推導了該網絡的算法，列舉了該網絡的源代碼，通過實例驗證了該算法的高效簡潔性。
本書由楊杰、占君和張繼傳編著，在本書編寫過程中，得到了賈東永博士的幫助，在此對他表示衷心的感謝。參與本書編寫的還有高克臻、張云霞、許小榮、王冬、張銀芳、周新國、陳作聰、蘇靜、張秀梅、張玉蘭、李爽、王文婷，在此，對以上人員致以誠摯的謝意！
在本書的編寫過程中參考了大量MATLAB相關書籍及MATLABsky論壇、研學論壇、MATLAB中文論壇、仿真論壇上的資源，在此，對相應作者一并表示感謝，同時對各位MATLAB的網友給予的啟發和幫助表示感謝。
由于時間倉促，加之作者水平和經驗有限，書中疏漏甚至錯誤在所難免，希望廣大讀者批評指正。
編著者 |
內容簡介：神經網絡經過了近70年的蓬勃發展，其拓撲結構、工作機制與應用領域已經發生了翻天覆地的變化，全面、直觀、深入地認識各類神經網絡已經是學習運用神經網絡的必由之路。本書全面介紹了前饋型、反饋型與自組織型三大類神經網絡，傳統的BP網絡到現代的量子網絡20余小類神經網絡，并結合實例分析了各種神經網絡的使用方法和編程方法。
對于成熟的神經網絡，本書給出了MATLAB函數及調用方法；對于前沿的神經網絡，本書推導了高效簡潔的編程算法；對于需要結合其他方法使用的神經網絡，本書也分析了其他方法的原理、使用方法及MATLAB函數，甚至提供了相應的工具箱供讀者調用。
本書充分考慮了MATLAB語言的特點，以及程序的可讀性、可移植性、可擴展性的要求，力圖保證研究者能深入淺出地理解如何使復雜的算法簡潔高效，然后變成簡潔、易讀、高效的源代碼；力求使初學者與使用者通過直觀生動的實例來理解各類神經網絡，無須重新編寫程序，直接修改參數即可使用本書提供的神經網絡。 |
目錄：實例1 BP神經網絡在非線性函數擬合中的應用 1
1.1 理論基礎 1
1.1.1 BP網絡概述 1
1.1.2 BP神經網絡的MATLAB函數 2
1.2 非線性函數擬合方法 6
實例2 主元BP神經網絡在股票價格預測中的應用 12
2.1 理論基礎 12
2.1.1 主成分分析的原理 12
2.1.2 主元神經網絡與股票預測 14
2.2 股票價格的預測方法 16
實例3 遺傳算法優化BP神經網絡在壩基巖體滲透系數識別中的應用 22
3.1 理論基礎 22
3.1.1 遺傳算法概述 22
3.1.2 MATLAB遺傳算法工具箱介紹 24
3.1.3 遺傳神經網絡的基本原理 28
3.2 壩基巖體滲透系數識別 29
實例4 基于PSO-BP神經網絡刀具磨損狀態監測技術 35
4.1 理論基礎 35
4.1.1 粒子群算法的原理 36
4.1.2 粒子群算法的矩陣形式 37
4.1.3 MATLAB粒子群算法工具箱 38
4.2 刀具磨損監測的PSO神經網絡方法 40
實例5 離散型Hopfield神經網絡在交通標志識別中的應用 49
5.1 理論基礎 49
5.1.1 離散型Hopfield神經網絡的工作方式 49
5.1.2 Hopfield神經網絡的設計方法 51
5.2 Hopfield神經網絡的MATLAB函數 52
5.3 離散型Hopfield神經網絡與交通標志識別 53
實例6 連續型Hopfield神經網絡在旅游路線周游規劃中的應用 58
6.1 理論基礎 58
6.1.1 CHNN的工作原理 58
6.1.2 CHNN的重要性質 59
6.1.3 TSP問題的描述 61
6.2 TSP問題的CHNN求解 62
6.2.1 求解方法一 62
6.2.2 求解方法二 64
6.2.3 旅游線路周游規劃的MATLAB實現方法 65
實例7 感知器網絡與線性神經網絡在醫療診斷中的應用 71
7.1 理論基礎 71
7.1.1 感知器網絡原理 71
7.1.2 線性神經網絡原理 73
7.1.3 感知器網絡的MATLAB函數 73
7.1.4 線性神經網絡的MATLAB函數 77
7.2 兩種神經網絡在醫療診斷中的應用 78
實例8 RBF神經網絡在太陽黑子數預測中的應用 83
8.1 理論基礎 83
8.1.1 RBF神經網絡原理 83
8.1.2 RBF神經網絡的MATLAB函數 86
8.2 太陽黑子數觀測的RBFNN方法 88
實例9 GRNN在無源雙地基雷達跟蹤中的應用 94
9.1 理論基礎 94
9.1.1 GRNN 的基本原理 94
9.1.2 GRNN的統計學意義 96
9.2 無源跟蹤的GRNN與UKF方法比較 97
9.2.1 UKF與GRNN非線性濾波的原理 98
9.2.2 UKF與GRNN的無源跟蹤程序 100
實例10 模糊神經網絡在預測地基沉降量中的應用 106
10.1 理論基礎 106
10.1.1 模糊邏輯系統簡介 107
10.1.2 TS型模糊神經網絡簡介 108
10.1.3 TS型模糊神經網絡學習算法 109
10.2 模糊神經網絡在預測地基沉降量中的應用 111
實例11 概率神經網絡在遙感圖像分類中的應用 117
11.1 理論基礎 117
11.1.1 概率神經網絡簡介 117
11.1.2 概率神經網絡的MATLAB函數 118
11.2 概率神經網絡在遙感圖像分類中的應用 118
實例12 小波神經網絡在電力負荷預測中的應用 124
12.1 理論基礎 124
12.1.1 小波理論簡介 124
12.1.2 小波神經網絡簡介 127
12.2 小波神經網絡在電力負荷預測中的應用 130
實例13 神經網絡在PID控制系統設計中的應用 136
13.1 理論基礎 136
13.2 神經網絡PID及MATLAB編程方法 138
實例14 灰色神經網絡在空調訂單預報中的應用 146
14.1 理論基礎 146
14.1.1 灰色理論簡介 146
14.1.2 灰色神經網絡模型 149
14.2 空調訂單灰色神經網絡預報的編程方法 151
實例15 基于Chebyshev混沌神經網絡異步加密與解密算法 156
15.1 理論基礎 156
15.1.1 混沌理論簡介 156
15.1.2 Chebyshev神經網絡建模 159
15.2 Chebyshev混沌神經網絡應用于異步加密的算法 162
實例16 基于隨機Hopfield神經網絡的最優CDMA多用戶檢測器 171
16.1 理論基礎 171
16.1.1 CDMA通信系統模型 171
16.1.2 多用戶檢測問題的提出及建模 176
16.1.3 隨機Hopfield神經網絡檢測器理論 177
16.2 CDMA最優多用戶檢測編程方法 178
實例17 ELMAN神經網絡在無線傳感器網絡定位中的應用 183
17.1 理論基礎 183
17.1.1 ELMAN神經網絡理論簡介 183
17.1.2 ELMAN神經網絡的工具箱函數簡介 184
17.1.3 無線傳感器網絡RSSI定位技術簡介 186
17.2 ELMAN網絡在無線傳感器網絡定位中的應用 186
實例18 混沌神經網絡同步控制及在保密通信中的應用 191
18.1 理論基礎 191
18.1.1 混沌通信簡介 191
18.1.2 混沌同步簡介 193
18.2 混沌神經網絡同步及保密通信仿真 194
實例19 水反應器神經網絡控制方法及Simulink實現 203
19.1 理論基礎 203
19.1.1 MATLAB Simulink簡介 203
19.1.2 神經網絡控制器Simulink模塊簡介 207
19.2 水反應器神經網絡控制方法的Simulink仿真 211
實例20 基于自適應神經網絡濾波的引信去噪方法 215
20.1 自適應噪聲對消原理 215
20.2 神經網絡濾波引信去噪仿真 216
20.2.1 MATLAB編程方法 217
20.2.2 MATLAB Simulink方法 219
實例21 SOM神經網絡在生物信息聚類分析中的應用 223
21.1 理論基礎 223
21.1.1 聚類分析簡介 223
21.1.2 SOM神經網絡簡介 226
21.2 生物信息聚類分析的編程方法 228
實例22 LVQ神經網絡在數字圖像邊緣檢測中的應用 233
22.1 理論基礎 233
22.1.1 LVQ神經網絡簡介 233
22.1.2 數字圖像邊緣檢測原理與方法 238
22.2 邊緣檢測LVQ神經網絡原理及編程實現 239
實例23 Kohonen神經網絡在彩色圖像智能分層中的應用 245
23.1 理論基礎 245
23.1.1 Kohonen自組織神經網絡簡介 245
23.1.2 Kohonen自組織神經網絡工作原理 245
23.2 彩色圖像智能分層的MATLAB編程方法 246
實例24 基于模擬退火算法的城市周游TSP問題求解 252
24.1 理論基礎 252
24.1.1 模擬退火算法簡介 252
24.1.2 模擬退火算法實現 252
24.2 城市周游問題Boltzman機求解編程方法 253
實例25 PSO-余弦基神經網絡在信號調制解調中的應用 259
25.1 理論基礎 259
25.2 神經網絡濾波器調制解調方法設計 260
實例26 SVM在DNA序列分類中的應用 272
26.1 理論基礎 272
26.1.1 SVM算法分類 272
26.1.2 Libsvm工具箱 273
26.2 SVM在DNA序列分類應用的編程實現 274
實例27 PSO-SVM在上證指數開盤指數預測中的應用 279
27.1 理論基礎 279
27.2 PSO-SVM在上證指數開盤指數預測的編程方法 280
實例28 量子神經網絡在油氣資源評價中的應用 288
28.1 理論基礎 288
28.2 量子神經網絡在油氣資源評價應用的編程實現 293
實例29 神經網絡GUI設計及Simulink設計方法 305
29.1 神經網絡數據管理工具箱圖形界面 305
29.2 神經網絡擬合工具箱圖形界面 309
29.3 神經網絡模式識別工具箱圖形界面 313
實例30 矩陣方法在大規模神經網絡的MATLAB編程中的應用 317
30.1 理論基礎 317
30.1.1 多層BP神經網絡正向傳播算法的矩陣形式 317
30.1.2 多層BP神經網絡誤差反向傳播算法的矩陣形式 320
30.2 大規模BP神經網絡的MATLAB編程方法 323 |
| 序： |
|
