MATLAB神经网络43个案例分析
￥48.00定价
作者： 王小川，史峰，郁磊，李洋
出版时间：2013年8月
出版社：北京航空航天大学出版社
- 北京航空航天大学出版社
- 9787512412026
- 1
- 191789
- 平装
- 16开
- 2013年8月
- 412
内容简介
《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。
《MATLAB神经网络43个案例分析》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，《MATLAB神经网络43个案例分析》还介绍了MATLAB R2012b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《MATLAB神经网络43个案例分析》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。《MATLAB神经网络43个案例分析》程序建议在MATLAB R2009a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。
《MATLAB神经网络43个案例分析》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》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，《MATLAB神经网络43个案例分析》还介绍了MATLAB R2012b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《MATLAB神经网络43个案例分析》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。《MATLAB神经网络43个案例分析》程序建议在MATLAB R2009a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。
《MATLAB神经网络43个案例分析》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。
目录
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
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
