MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析（年度全行業(yè)優(yōu)秀暢銷書，《MATLAB神經(jīng)網(wǎng)絡(luò)30個案例分析》的全新升級版本，實例演練，論壇答疑，一冊在手，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)無憂！）
定 價：48 元
- 作者：王小川 等編著
- 出版時間：2013/8/1
- ISBN：9787512412026
- 出 版 社：北京航空航天大學(xué)出版社
- 中圖法分類：TP183
- 頁碼：394
- 紙張：膠版紙
- 版次：1
- 開本：大16開
《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》是在《MATLAB神經(jīng)網(wǎng)絡(luò)30個案例分析》的基礎(chǔ)上修改、補充而成的，秉承著“理論講解—案例分析—應(yīng)用擴展”這一特色，幫助讀者更加直觀、生動地學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。
本書共有43章，內(nèi)容涵蓋常見的神經(jīng)網(wǎng)絡(luò)（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相關(guān)智能算法（SVM、決策樹、隨機森林、極限學(xué)習(xí)機等）。同時，部分章節(jié)也涉及了常見的優(yōu)化算法（遺傳算法、蟻群算法等）與神經(jīng)網(wǎng)絡(luò)的結(jié)合問題。此外，本書還介紹了MATLABR2012b中神經(jīng)網(wǎng)絡(luò)工具箱的新增功能與特性，如神經(jīng)網(wǎng)絡(luò)并行計算、定制神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)高效編程等。
使用本書時，建議讀者按照“先通讀章節(jié)內(nèi)容，后調(diào)試程序，再精讀章節(jié)內(nèi)容”的順序?qū)W習(xí)。本書程序建議在MATLABR2009a及以上版本環(huán)境下運行。若在程序調(diào)試過程中有任何疑問，建議先在論壇書籍答疑版塊搜索相關(guān)答案，然后再發(fā)帖與作者交流。
本書可作為高等學(xué)校相關(guān)專業(yè)學(xué)生本科畢業(yè)設(shè)計、研究生課題研究的參考書籍，亦可供相關(guān)專業(yè)教師教學(xué)參考。
《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》詳細論述了在MATLAB環(huán)境下如何實現(xiàn)神經(jīng)網(wǎng)絡(luò)，包括了常用的神經(jīng)網(wǎng)絡(luò)及相關(guān)理論，以及各種優(yōu)化算法與神經(jīng)網(wǎng)絡(luò)的結(jié)合。考慮到MATLABR2012b版本中神經(jīng)網(wǎng)絡(luò)工具箱作了更新，本書也新增了神經(jīng)網(wǎng)絡(luò)并行運算、定制神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)高效編程等章節(jié)，非常適合中高級神經(jīng)網(wǎng)絡(luò)研究人員參考。 作為眾多宣講MATLAB家族產(chǎn)品叢書中的一個系列，該書的最大特點是接地氣，實用性強。四位作者都是長期活躍在MATLAB技術(shù)論壇的版主，每天都會在線解答MATLAB特別是針對神經(jīng)網(wǎng)絡(luò)的問題，積累了豐富的使用經(jīng)驗。本書所舉例的43個案例，部分來源于各大公司、院校的科研課題，也有一部分來源于MATLAB技術(shù)論壇的會員提問。這些案例代表了神經(jīng)網(wǎng)絡(luò)在各個領(lǐng)域的相關(guān)應(yīng)用，讀者可以根據(jù)自己研究問題的需要，第一時間找到適合自己學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)章節(jié)，進行閱讀。
第1章 BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——語音特征信號分類
1.1 案例背景
1.1.1 BP神經(jīng)網(wǎng)絡(luò)概述
1.1.2 語音特征信號識別
1.2 模型建立
1.3 MATLAB實現(xiàn)
1.3.1 歸一化方法及MATLAB函數(shù)
1.3.2 數(shù)據(jù)選擇和歸一化
1.3.3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)初始化
1.3.4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練
1.3.5 BP神經(jīng)網(wǎng)絡(luò)分類
1.3.6 結(jié)果分析
1.4 案例擴展
1.4.1 隱含層節(jié)點數(shù)
1.4.2 附加動量方法
第1章 BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——語音特征信號分類
1.1 案例背景
1.1.1 BP神經(jīng)網(wǎng)絡(luò)概述
1.1.2 語音特征信號識別
1.2 模型建立
1.3 MATLAB實現(xiàn)
1.3.1 歸一化方法及MATLAB函數(shù)
1.3.2 數(shù)據(jù)選擇和歸一化
1.3.3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)初始化
1.3.4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練
1.3.5 BP神經(jīng)網(wǎng)絡(luò)分類
1.3.6 結(jié)果分析
1.4 案例擴展
1.4.1 隱含層節(jié)點數(shù)
1.4.2 附加動量方法
1.4.3 變學(xué)習(xí)率學(xué)習(xí)算法
參考文獻
第2章 BP神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)建�！蔷�性函數(shù)擬合
2.1 案例背景
2.2 模型建立
2.3 MATLAB實現(xiàn)
2.3.1 BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)
2.3.2 數(shù)據(jù)選擇和歸一化
2.3.3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練
2.3.4 BP神經(jīng)網(wǎng)絡(luò)預(yù)測
2.3.5 結(jié)果分析
2.4 案例擴展
2.4.1 多隱含層BP神經(jīng)網(wǎng)絡(luò)
2.4.2 隱含層節(jié)點數(shù)
2.4.3 訓(xùn)練數(shù)據(jù)對預(yù)測精度影響
2.4.4 節(jié)點轉(zhuǎn)移函數(shù)
2.4.5 網(wǎng)絡(luò)擬合的局限性
參考文獻
第3章 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)——非線性函數(shù)擬合
3.1 案例背景
3.1.1 遺傳算法原理
3.1.2 遺傳算法的基本要素
3.1.3 擬合函數(shù)
3.2 模型建立
3.2.1 算法流程
3.2.2 遺傳算法實現(xiàn)
3.3 編程實現(xiàn)
3.3.1 適應(yīng)度函數(shù)
3.3.2 選擇操作
3.3.3 交叉操作
3.3.4 變異操作
3.3.5 遺傳算法主函數(shù)
3.3.6 遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)函數(shù)擬合
3.3.7 結(jié)果分析
3.4 案例擴展
3.4.1 其他優(yōu)化方法
3.4.2 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
3.4.3 算法的局限性
參考文獻
第4章 神經(jīng)網(wǎng)絡(luò)遺傳算法函數(shù)極值尋優(yōu)——非線性函數(shù)極值尋優(yōu)
4.1 案例背景
4.2 模型建立
4.3 編程實現(xiàn)
4.3.1 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練
4.3.2 適應(yīng)度函數(shù)
4.3.3 遺傳算法主函數(shù)
4.3.4 結(jié)果分析
4.4 案例擴展
4.4.1 工程實例
4.4.2 預(yù)測精度探討
參考文獻
第5章 基于BP_Adaboost的強分類器設(shè)計——公司財務(wù)預(yù)警建模
5.1 案例背景
5.1.1 BP_Adaboost模型
5.1.2 公司財務(wù)預(yù)警系統(tǒng)介紹
5.2 模型建立
5.3 編程實現(xiàn)
5.3.1 數(shù)據(jù)集選擇
5.3.2 弱分類器學(xué)習(xí)分類
5.3.3 強分類器分類和結(jié)果統(tǒng)計
5.3.4 結(jié)果分析
5.4 案例擴展
5.4.1 數(shù)據(jù)集選擇
5.4.2 弱預(yù)測器學(xué)習(xí)預(yù)測
5.4.3 強預(yù)測器預(yù)測
5.4.4 結(jié)果分析
參考文獻
第6章 PID神經(jīng)元網(wǎng)絡(luò)解耦控制算法——多變量系統(tǒng)控制
6.1 案例背景
6.1.1 PID神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)
6.1.2 控制律計算
6.1.3 權(quán)值修正
6.1.4 控制對象
6.2 模型建立
6.3 編程實現(xiàn)
6.3.1 PID神經(jīng)網(wǎng)絡(luò)初始化
6.3.2 控制律計算
6.3.3 權(quán)值修正
6.3.4 結(jié)果分析
6.4 案例擴展
6.4.1 增加動量項
6.4.2 神經(jīng)元系數(shù)
6.4.3 PID神經(jīng)元網(wǎng)絡(luò)權(quán)值優(yōu)化
參考文獻
第7章 RBF網(wǎng)絡(luò)的回歸——非線性函數(shù)回歸的實現(xiàn)
第8章 GRNN的數(shù)據(jù)預(yù)測——基于廣義回歸神經(jīng)網(wǎng)絡(luò)的貨運量預(yù)測
第9章 離散Hopfield神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶——數(shù)字識別
第10章 離散Hopfield神經(jīng)網(wǎng)絡(luò)的分類——高校科研能力評價
第11章 連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的優(yōu)化——旅行商問題優(yōu)化計算
第12章 初識SVM分類與回歸
第13章 LIBSVM參數(shù)實例詳解
第14章 基于SVM的數(shù)據(jù)分類預(yù)測——意大利葡萄酒種類識別
第15章 SVM的參數(shù)優(yōu)化——如何更好地提升分類器的性能
第16章 基于SVM的回歸預(yù)測分析——上證指數(shù)開盤指數(shù)預(yù)測
第17章 基于SVM的信息�；瘯r序回歸預(yù)測——上證指數(shù)開盤指數(shù)變化趨勢和變化空間預(yù)測
第18章 基于SVM的圖像分割——真彩色圖像分割
第19章 基于SVM的手寫字體識別
第20章 LIBSVMFarutoUltimate工具箱及GUI版本介紹與使用
第21章 自組織競爭網(wǎng)絡(luò)在模式分類中的應(yīng)用——患者癌癥發(fā)病預(yù)測
第22章 SOM神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——柴油機故障診斷
第23章 Elman神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)預(yù)測——電力負荷預(yù)測模型研究
第24章 概率神經(jīng)網(wǎng)絡(luò)的分類預(yù)測——基于PNN的變壓器故障診斷
第25章 基于MIV的神經(jīng)網(wǎng)絡(luò)變量篩選——基于BP的神經(jīng)網(wǎng)絡(luò)變量篩選
第26章 LVQ神經(jīng)網(wǎng)絡(luò)的分類——乳腺腫瘤診斷
第27章 LVQ神經(jīng)網(wǎng)絡(luò)的預(yù)測——人臉朝向識別
第28章 決策樹分類器的應(yīng)用研究——乳腺癌診斷
第29章 極限學(xué)習(xí)機在回歸擬合及分類問題中的應(yīng)用研究——對比實驗
第30章 基于隨機森林思想的組合分類器設(shè)計——乳腺癌診斷
第31章 思維進化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)——非線性函數(shù)擬合
第32章 小波神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測——短時交通流量預(yù)測
第33章 模糊神經(jīng)網(wǎng)絡(luò)的預(yù)測算法——嘉陵江水質(zhì)評價
第34章 廣義神經(jīng)網(wǎng)絡(luò)的聚類算法——網(wǎng)絡(luò)入侵聚類
第35章 粒子群優(yōu)化算法的尋優(yōu)算法——非線性函數(shù)極值尋優(yōu)
第36章 遺傳算法優(yōu)化計算——建模自變量降維
第37章 基于灰色神經(jīng)網(wǎng)絡(luò)的預(yù)測算法研究——訂單需求預(yù)測
第38章 基于Kohonen網(wǎng)絡(luò)的聚類算法——網(wǎng)絡(luò)入侵聚類
第39章 神經(jīng)網(wǎng)絡(luò)GUI的實現(xiàn)——基于GUI的神經(jīng)網(wǎng)絡(luò)擬合、模式識別、聚類
第40章 動態(tài)神經(jīng)網(wǎng)絡(luò)時間序列預(yù)測研究——基于MATLAB的NARX實現(xiàn)
第41章 定制神經(jīng)網(wǎng)絡(luò)的實現(xiàn)——神經(jīng)網(wǎng)絡(luò)的個性化建模與仿真
第42章 并行運算與神經(jīng)網(wǎng)絡(luò)——基于CPU/GPU的并行神經(jīng)網(wǎng)絡(luò)運算
第43章 神經(jīng)網(wǎng)絡(luò)高效編程技巧——基于MATLAB R2012b新版本特性的探討
書單推薦
