内容简介本书是“matlab应用技术”系列丛书之一，以最新推出的matlab7中的神经网络工具箱4.0.3版本为基础。本书前两章介绍了matlab7和神经网络的基础知识，对神经网络工具箱的重要函数分门别类地进行了详细介绍，并给出了完整的示例。从第3章到第5章，分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和bp网络等，并介绍了这些网络的结构及学习算法，以及matlab的实现方法。第6章介绍了神经网络的图形用户界面。后5章分别讲述了如何利用神经网络工具箱解决控制、故障诊断、预测和有源消声等应用领域中的实际问题。本书可作为理工科各专业的高年级本科生、研究生学习神经网络的辅助教材，也可作为研究和应用这一领域的科技工作者的参考书。 图书目录第1章概述 11.1matlab语言简介 11.1.1matlab概述 11.1.2matlab语言特点 31.1.3matlab7的安装 51.1.4matlab7的新特点 51.1.5matlab7的新产品及更新产品 61.1.6simulink6.0的新特点 91.2matlab快速入门 101.2.1命令行窗口 101.2.2其他重要窗口 131.2.3editor/debugger窗口 151.2.4matlab帮助系统 161.2.5神经网络工具箱快速入门 171.3神经网络发展史 181.3.1初期阶段 181.3.2停滞期 191.3.3黄金时期 191.3.4发展展望 201.4神经网络模型 201.4.1神经元结构模型 201.4.2神经网络的互连模式 211.5神经网络的特性及实现 231.6小结 23第2章神经网络工具箱函数及实例 252.1概述 252.2神经网络工具箱中的通用函数 262.2.1神经网络仿真函数sim 272.2.2神经网络训练及学习函数 282.2.3神经网络初始化函数 312.2.4神经网络输入函数 332.2.5神经网络传递函数 342.2.6其他重要函数 362.3感知器的神经网络工具箱函数 362.3.1感知器创建函数 372.3.2显示函数 372.3.3性能函数 382.4bp网络的神经网络工具箱函数 442.4.1bp网络创建函数 442.4.2神经元上的传递函数 452.4.3bp网络学习函数 492.4.4bp网络训练函数 502.4.5性能函数 512.4.6显示函数 522.5线性网络的神经网络工具箱函数 592.5.1线性网络创建和设计函数 592.5.2学习函数 602.6自组织竞争网络的神经网络工具箱函数 632.6.1神经网络创建函数 642.6.2传递函数 652.6.3距离函数 672.6.4学习函数 692.6.5初始化函数 712.6.6权值函数 712.6.7显示函数 722.6.8结构函数 722.7径向基网络的神经网络工具箱函数 792.7.1神经网络创建函数 792.7.2转换函数 802.7.3传递函数 812.8反馈网络的神经网络工具箱函数 842.8.1hopfield网络的工具箱函数 842.8.2elman网络的工具箱函数 852.9小结 87第3章前向型神经网络理论及matlab实现 893.1感知器网络及matlab实现 893.1.1单层感知器网络 893.1.2多层感知器 953.2bp网络及matlab实现 993.2.1bp网络理论 1003.2.2bp网络的matlab设计 1043.3线性神经网络及matlab实现 1083.3.1线性神经网络的结构 1083.3.2线性神经网络的学习 1093.3.3线性网络的matlab仿真 1103.4径向基函数网络及matlab实现 1163.4.1径向基网络结构 1163.4.2径向基函数的学习过程 1173.4.3rbf网络应用实例 1193.4.4基于rbf网络的非线性滤波 1213.4.5基于grnn的函数逼近 1233.4.6基于概率神经网络的分类 1263.5gmdh网络及matlab实现 1273.5.1gmdh网络理论 1273.5.2gmdh网络的训练 1283.5.3基于gmdh网络的预测 1293.6小结 130第4章反馈型神经网络理论及matlab实现 1314.1elman神经网络及应用 1314.1.1elman神经网络结构 1314.1.2elman神经网络的学习过程 1324.1.3elman神经网络的工程应用 1324.1.4基于elman网络的空调负荷预测 1364.2hopfield神经网络及matlab实现 1414.2.1hopfield网络描述 1424.2.2hopfield网络的学习过程 1434.2.3几个重要结论 1434.2.4hopfield网络的matlab开发 1434.2.5基于hopfield网络的数字识别 1474.3cg网络模型及应用 1494.3.1cg神经网络理论 1494.3.2基于cg网络的有限元分析 1504.4盒中脑（bsb）模型及matlab实现 1504.4.1bsb神经网络模型描述 1504.4.2bsb的matlab实现 1514.5双向联想记忆（bam）及matlab实现 1534.5.1kosko型bam网络模型 1534.5.2bam网络的实例分析 1544.6回归bp网络及应用 1564.6.1回归bp网络概述 1564.6.2基于回归bp网络的房价预测 1574.7boltzmann机网络及仿真 1584.7.1bm网络的基本结构 1584.7.2bm模型的工作规则和学习规则 1594.7.3bm网络的matlab仿真 1624.8小结 164第5章自组织与lvq神经网络理论及matlab实现 1655.1自组织竞争网络及matlab实现 1655.1.1基本竞争型神经网络概述 1655.1.2自组织竞争网络的应用 1665.2自组织特征映射（som）神经网络及matlab实现 1685.2.1som网络的结构 1695.2.2som网络学习算法 1705.2.3基于som网络的土壤分类 1715.2.4基于som网络的人口分类 1735.3自适应共振理论模型（art）及matlab实现 1785.3.1art-1型网络模型描述 1785.3.2art-1网络的学习及工作过程 1795.3.3art-1网络的应用实例 1805.4学习矢量量化（lvq）神经网络及matlab实现 1835.4.1lvq网络的结构 1835.4.2lvq网络的学习规则 1845.4.3基于lvq网络的模式识别 1855.5对向传播网络（cpn）及matlab实现 1895.5.1cpn概述 1895.5.2cpn应用实例 1925.6小结 197第6章图形用户界面gui 1996.1概述 1996.2网络设计 2006.3网络训练与仿真 2026.4数据操作 2046.4.1工作空间到gui的数据导入 2046.4.2gui到工作空间的数据导出 2056.4.3数据的存储和读取 2076.4.4数据删除 2086.5小结 209第7章神经网络控制理论及应用设计 2117.1神经网络控制结构 2117.1.1神经网络监督控制 2117.1.2神经网络直接逆控制 2137.1.3nn自适应控制 2137.1.4神经网络内模控制 2157.1.5神经网络预测控制 2157.1.6神经网络自适应评判控制 2167.2反馈线性化控制及matlab实现 2177.2.1基于神经网络的反馈线性化控制原理 2177.2.2反馈线性化控制实例 2187.3基于simulink的神经网络控制 2227.3.1基于神经网络的mpc原理 2227.3.2模型预测控制实例 2247.4小结 230第8章基于神经网络的故障诊断 2318.1神经网络与故障模式识别 2318.1.1常用的模式识别方法 2328.1.2神经网络在故障模式识别中的应用 2328.2基于bp网络和elman网络的齿轮箱故障诊断 2348.2.1工程描述 2348.2.2输入和目标向量设计 2348.2.3bp网络设计 2358.2.4elman网络设计 2388.3基于som网络的回热系统故障诊断 2408.3.1背景 2408.3.2som网络设计 2418.4基于概率神经网络的故障诊断 2438.4.1概述 2438.4.2基于pnn的故障诊断 2438.4.3结论 2458.5基于bp网络的设备状态分类器设计 2468.5.1bp网络设计 2468.5.2网络训练 2488.5.3网络测试与应用 2498.6基于rbf网络的船用柴油机故障诊断 2508.6.1问题描述 2508.6.2涡轮增压系统的故障诊断 2518.6.3网络设计 2538.7小结 255第9章基于神经网络的预测 2579.1引言 2579.2基于神经网络的预测原理 2589.2.1正向建模 2589.2.2逆向建模 2589.3电力系统负荷预报的matlab实现 2599.3.1问题描述 2599.3.2输入/输出向量设计 2609.3.3bp网络设计 2619.3.4网络训练 2629.4河道浅滩演变预测的matlab实现 2649.4.1基于bp网络的演变预测 2649.4.2基于rbf网络的演变预测 2709.4.3结论 2719.5地震预报的matlab实现 2719.5.1概述 2729.5.2bp网络设计 2739.5.3bp网络训练与测试 2739.5.4地震预测的竞争网络模型 2789.6交通运输能力预测的matlab实现 2809.6.1背景概述 2809.6.2网络创建与训练 2819.6.3结论与分析 2859.7股市预测的matlab实现 2879.7.1股市概述 2879.7.2网络训练与测试 2889.8财务失败预测的matlab实现 2899.8.1问题描述 2909.8.2样本的收集和处理 2909.9农作物虫情预测的matlab实现 2929.9.1基于神经网络的虫情预测原理 2939.9.2bp网络设计 2939.10小结 297第10章基于神经网络的模糊控制 29910.1引言 29910.2神经网络模糊控制的结构和特征 29910.2.1神经网络模糊控制器的结构 29910.2.2神经网络模糊控制器的特征 30010.2.3神经网络模糊控制器的应用实例 30210.3基于matlab的神经模糊控制洗衣机仿真 30510.3.1洗衣机的模糊控制 30510.3.2洗衣机的神经网络模糊控制器的设计 30710.4小结 310第11章基于神经网络的自适应噪声抵消技术 31311.1引言 31311.2自适应噪声抵消实现原理 31411.2.1自适应滤波器 31411.2.2自适应噪声抵消系统基本原理 31511.3噪声抵消系统的matlab仿真 31611.3.1bp网络模型建立 31611.3.2基于神经网络工具箱的bp网络学习和训练 31611.3.3基于simulink的噪声抵消系统设计及动态仿真 31911.4小结 321参考文献 323 序言/前言前言：自上世纪80年代末以来，神经网络这个涉及多种学科的新的高科技领域，吸引了众多的神经生理学家、心理学家、数理科学家、计算机与信息科学家及工程师和企业家等进行研究和应用。大量的有关神经网络机理、模型、算法特性分析，以及在各领域应用的学术论文像雨后春笋般在报刊杂志上和许多国际学术会议中涌现。神经网络日益成为当代高科技领域中方兴未艾的竞争热点。matlab是一款强大的工程计算和仿真软件，刚刚发布的r14产品族比以往任何版本都更加强大，其中的神经网络功能提供了大量可直接调用的函数和命令，基本上囊括了目前应用比较成熟的神经网络设计方法。用matlab来编写各种网络设计与训练的子程序，可以使用户从繁琐的编程中解脱出来，大大提高工作效率和解题质量。因此，如何应用神经网络工具箱函数来解决工程实践中的问题已成为燃眉之急。我们根据自身多年来从事神经网络系统设计和matlab使用的经验编写了本书。除了详细介绍各个工具箱函数之外，还着重讲解了利用matlab进行神经网络系统分析与设计的大量实例。本书是介绍应用matlab软件r14版本进行神经网络设计和应用的最新书籍。本书前两章介绍了matlab7和神经网络的基础知识，对神经网络工具箱的重要函数分门别类地进行了详细介绍，并给出了完整的示例。从第3章到第5章，分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和bp网络等，并介绍了这些网络的结构及学习算法，以及matlab的实现方法。第6章介绍了神经网络的图形用户界面。后5章分别讲述了如何利用神经网络工具箱解决控制、故障诊断、预测和有源消声等应用领域中的实际问题。全书通过大量的matlab实例为读者讲述了神经网络的matlab实现方法，形象生动，图文并茂，深入浅出，脉络清晰，可读性强。相信广大读者通过认真学习本书，可以快速学会神经网络技术和matlab实现方法，并建立牢固的知识基础，真正做到“事半功倍”，起到课堂上无法达到的学习效果。本书由飞思科技产品研发中心策划并组织编写，孙志强、葛哲学负责全书的统稿与审校工作。孙志强、廖剑利、张建、肖俊同志负责本书第1章到第5章的编写；葛哲学、邱忠、安卫华、杨勇等负责本书第6、7、9、10章的编写；刘瑛、李浩明、潘薇、陈仲生负责本书的第8章和第11章的编写。此外，张丽娜、安莹、孙金华、刘美琴、张珏琼、谢光军、朱国强、郭玉玲、卿慧玲、王勇、葛诚、胡雷、胡艳等负责书稿的材料整理和测试工作，并提供了大量的帮助与意见。另外，还有很多同志在本书的编校过程中付出了大量的劳动，在此一并表示衷心的感谢。本书可作为各领域工程技术人员的参考用书，也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，还可作为其他科技工作者应用神经网络的参考资料。由于时间仓促加之作者本身水平有限，书中错误之处在所难免。在此，敬请各领域专家和广大读者批评指正。我们的联系方式如下：咨询电话：（010）6813454568131648电子邮件：support@fecit.com.cn服务网址：http://www.fecit.com.cnhttp://www.fecit.net通用网址：计算机图书、飞思、飞思教育、飞思科技、fecit编著者2005年1月1日
2022-05-08 14:02:19
37.95MB
1
本书是“MATLAB应用技术”系列丛书之一，以最新推出的MATLAB中的小波分析工具箱Wavelet Toolbox 3.0版本为基础。全书共分为三部分，第1部分着重介绍了小波理论基础，包括小波基础知识、连续小波变换、离散小波变换、多分辨率分析与正交小波变换、小波变换和多采样滤波器组、二维小波变换与图像处理及小波包的基本原理等；第2部分重点说明了小波分析工具箱的详细使用方法，包括图形用户接口、小波通用函数、一维小波变换的MATLAB实现、二维小波变换的MATLAB实现、小波包变换的MATLAB实现、信号和图像的降噪和压缩，以及最新的信号和图像的提升小波变换等内容；第3部分主要介绍了小波工具箱的应用基础，以及小波变换在语音和生物医学信号处理中、故障诊断中、数字水印中的应用方法。
本书可作为理工科各专业的高年级本科生、研究生学习小波分析的辅助教材，也可作为研究和应用这一领域的科技工作者的参考书。
2022-03-13 09:53:38
84KB
1