全書共27個(gè)案例，從實(shí)用角度出發(fā)，詳盡地講述感知器網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)及自組織神經(jīng)網(wǎng)絡(luò)等內(nèi)容，擴(kuò)展介紹神經(jīng)網(wǎng)絡(luò)在其他工程領(lǐng)域的實(shí)際應(yīng)用。

本書以MATLAB R2016a為平臺(tái)，通過(guò)專業(yè)技術(shù)與大量典型實(shí)例相結(jié)合，介紹了各種典型網(wǎng)絡(luò)的訓(xùn)練過(guò)程和實(shí)際應(yīng)用。全書共27個(gè)案例，從實(shí)用角度出發(fā)，詳盡地講述感知器網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)及自組織神經(jīng)網(wǎng)絡(luò)等內(nèi)容，擴(kuò)展介紹神經(jīng)網(wǎng)絡(luò)在其他工程領(lǐng)域的實(shí)際應(yīng)用。本書可作為科研人員及工程技術(shù)人員的參考用書，也可作為本科生和研究生的學(xué)習(xí)用書。

顧艷春，男，華南理工計(jì)算機(jī)應(yīng)用碩士，中山大學(xué)博士，佛山科學(xué)技術(shù)學(xué)院計(jì)算機(jī)系副主任。發(fā)表文章10余篇，承擔(dān)和參與國(guó)家自然科學(xué)基金、科技廳項(xiàng)目7項(xiàng)，參與多項(xiàng)橫向課題的研究。精通MATLAB，具備豐富實(shí)踐和寫作經(jīng)驗(yàn)。

目    錄
第1章  RBF神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用 1
1．1  用于曲線擬合的RBF神經(jīng)網(wǎng)絡(luò) 1
1．2  徑向基網(wǎng)絡(luò)實(shí)現(xiàn)非線性函數(shù)回歸 10
1．3  CRNN網(wǎng)絡(luò)應(yīng)用 13
1．4  PNN網(wǎng)絡(luò)應(yīng)用 15
1．5  RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn) 19
第2章  SOM網(wǎng)絡(luò)算法分析與應(yīng)用 22
2．1  SOM網(wǎng)絡(luò)的生物學(xué)基礎(chǔ) 22
2．2  SOM網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu) 22
2．3  SOM網(wǎng)絡(luò)的權(quán)值調(diào)整 23
2．4  SOM網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn) 26
2．5  SOM網(wǎng)絡(luò)的應(yīng)用 33
第3章  線性網(wǎng)絡(luò)的實(shí)際應(yīng)用 45
3．1  線性化建模 45
3．2  模式分類 50
3．3  消噪處理 51
3．4  系統(tǒng)辨識(shí) 54
3．5  系統(tǒng)預(yù)測(cè) 55
第4章  BP網(wǎng)絡(luò)算法分析與應(yīng)用 61
4．1  BP網(wǎng)絡(luò)模型 61
4．2  BP網(wǎng)絡(luò)學(xué)習(xí)算法 62
4．2．1  BP網(wǎng)絡(luò)學(xué)習(xí)算法 62
4．2．2  BP網(wǎng)絡(luò)學(xué)習(xí)算法的比較 67
4．3  BP神經(jīng)網(wǎng)絡(luò)特點(diǎn) 68
4．4  BP網(wǎng)絡(luò)功能 68
4．5  BP網(wǎng)絡(luò)實(shí)例分析 68
第5章  神經(jīng)網(wǎng)絡(luò)在選址與地震預(yù)測(cè)中的應(yīng)用 78
5．1  配送中心選址 78
5．2  地震預(yù)報(bào) 81
5．2．1  問題概述 82
5．2．2  網(wǎng)絡(luò)設(shè)計(jì) 83
5．2．3  網(wǎng)絡(luò)訓(xùn)練與測(cè)試 83
5．2．4  網(wǎng)絡(luò)實(shí)現(xiàn) 88
第6章  模糊神經(jīng)網(wǎng)絡(luò)的算法分析與實(shí)現(xiàn) 91
6．1  模糊神經(jīng)網(wǎng)絡(luò)的形式 91
6．2  神經(jīng)網(wǎng)絡(luò)和模糊控制結(jié)合的優(yōu)點(diǎn) 92
6．3  神經(jīng)模糊控制器 92
6．4  神經(jīng)模糊控制器的學(xué)習(xí)算法 95
6．5  模糊神經(jīng)網(wǎng)絡(luò)MATLAB函數(shù) 97
6．5．1  模糊神經(jīng)系統(tǒng)的建模函數(shù) 97
6．5．2  采用網(wǎng)格分割方式生成模糊推理系統(tǒng)函數(shù) 102
6．6  MATLAB模糊神經(jīng)推理系統(tǒng)的圖形用戶界面 103
第7章  BP網(wǎng)絡(luò)的典型應(yīng)用 107
7．1  數(shù)據(jù)歸一化方法 107
7．2  提前終止法 109
7．3  BP網(wǎng)絡(luò)的局限性 111
7．4  BP網(wǎng)絡(luò)典型應(yīng)用 112
7．4．1  用BP網(wǎng)絡(luò)估計(jì)膽固醇含量 112
7．4．2  線性神經(jīng)網(wǎng)絡(luò)在信號(hào)預(yù)測(cè)中的應(yīng)用 115
第8章  線性神經(jīng)網(wǎng)絡(luò)算法分析與實(shí)現(xiàn) 120
8．1  線性神經(jīng)網(wǎng)絡(luò)工具箱函數(shù) 120
8．1．1  創(chuàng)建函數(shù) 120
8．1．2  學(xué)習(xí)函數(shù) 122
8．1．3  性能函數(shù) 124
8．2  線性神經(jīng)網(wǎng)絡(luò)模型及結(jié)構(gòu) 125
8．3  線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法與訓(xùn)練 126
8．3．1  線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 126
8．3．2  線性神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 128
8．4  線性神經(jīng)網(wǎng)絡(luò)的濾波器 130
第9章  感知器網(wǎng)絡(luò)算法分析與實(shí)現(xiàn) 133
9．1  單層感知器 133
9．1．1  單層感知器模型 133
9．1．2  單層感知器功能 134
9．1．3  單層感知器結(jié)構(gòu) 136
9．1．4  單層感知器學(xué)習(xí)算法 137
9．1．5  單層感知器訓(xùn)練 138
9．1．6  單層感知器局限性 139
9．1．7  單層感知器的MATLAB實(shí)現(xiàn) 140
9．2  多層感知器 147
9．2．1  多層感知器模型 147
9．2．2  多層感知器設(shè)計(jì)方法 147
9．2．3  多層感知器的MATLAB實(shí)現(xiàn) 148

第10章  神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)分析與應(yīng)用 153
10．1  神經(jīng)網(wǎng)絡(luò)仿真函數(shù) 153
10．2  神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù) 155
10．2．1  train 156
10．2．2  trainb函數(shù) 156
10．3  神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)函數(shù) 158
10．4  神經(jīng)網(wǎng)絡(luò)初始函數(shù) 161
10．5  神經(jīng)網(wǎng)絡(luò)輸入函數(shù) 163
10．6  神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù) 165
10．7  神經(jīng)網(wǎng)絡(luò)求點(diǎn)積函數(shù) 168
第11章  BM網(wǎng)絡(luò)與BSB網(wǎng)絡(luò)算法分析與實(shí)現(xiàn) 169
11．1  Boltzmann神經(jīng)網(wǎng)絡(luò) 169
11．1．1  BM網(wǎng)絡(luò)的基本結(jié)構(gòu) 169
11．1．2  BM模型的學(xué)習(xí) 169
11．1．3  BM網(wǎng)絡(luò)的實(shí)現(xiàn) 172
11．2  BSB神經(jīng)網(wǎng)絡(luò) 174
第12章  感知器網(wǎng)絡(luò)工具箱函數(shù)及其應(yīng)用 177
12．1  創(chuàng)建函數(shù) 177
12．2  顯示函數(shù) 180
12．3  性能函數(shù) 181
第13章  RBF神經(jīng)網(wǎng)絡(luò)算法分析與應(yīng)用 186
13．1  RBF神經(jīng)網(wǎng)絡(luò)模型 186
13．2  RBF網(wǎng)的數(shù)學(xué)基礎(chǔ) 188
13．2．1  內(nèi)插問題 188
13．2．2  正則化網(wǎng)絡(luò) 189
13．3  RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 190
13．3．1  自組織選取中心法 190
13．3．2  梯度訓(xùn)練方法 191
13．3．3  正交最小二乘（OLS）學(xué)習(xí)算法 192
13．4  其他RBF神經(jīng)網(wǎng)絡(luò) 193
13．4．1  廣義回歸神經(jīng)網(wǎng)絡(luò) 193
13．4．2  泛化回歸神經(jīng)網(wǎng)絡(luò) 194
13．4．3  概率神經(jīng)網(wǎng)絡(luò) 195
13．5  RBF神經(jīng)網(wǎng)絡(luò)MATLAB函數(shù) 196
13．5．1  創(chuàng)建函數(shù) 196
13．5．2  權(quán)函數(shù) 199
13．5．3  輸入函數(shù) 200
13．5．4  傳遞函數(shù) 201
13．5．5  mse函數(shù) 201
13．5．6  變換函數(shù) 202
第14章  Simulink神經(jīng)網(wǎng)絡(luò)應(yīng)用 204
14．1  Simulink神經(jīng)網(wǎng)絡(luò)仿真模型庫(kù) 204
14．2  Simulink神經(jīng)網(wǎng)絡(luò)應(yīng)用 208
第15章  ART網(wǎng)絡(luò)與CP網(wǎng)絡(luò)算法分析與應(yīng)用 213
15．1  ART-1型網(wǎng)絡(luò) 213
15．1．1  ART-1型網(wǎng)絡(luò)結(jié)構(gòu) 213
15．1．2  ART-1網(wǎng)絡(luò)學(xué)習(xí)過(guò)程 215
15．1．3  ART-1網(wǎng)絡(luò)的應(yīng)用 216
15．2  ART-2型網(wǎng)絡(luò) 218
15．2．1  網(wǎng)絡(luò)結(jié)構(gòu)與運(yùn)行原理 219
15．2．2  網(wǎng)絡(luò)的數(shù)學(xué)模型與學(xué)習(xí)算法 220
15．2．3  ART-2型網(wǎng)絡(luò)在系統(tǒng)辨識(shí)中的應(yīng)用 222
15．3  CP神經(jīng)網(wǎng)絡(luò)概述 223
15．3．1  CP網(wǎng)絡(luò)學(xué)習(xí) 224
15．3．2  CP網(wǎng)絡(luò)應(yīng)用 225
第16章  Hopfield網(wǎng)絡(luò)算法分析與實(shí)現(xiàn) 231
16．1  Hopfield神經(jīng)網(wǎng)絡(luò) 231
16．1．1  離散型Hopfield網(wǎng)絡(luò) 231
16．1．2  DHNN的動(dòng)力學(xué)穩(wěn)定性 234
16．1．3  網(wǎng)絡(luò)權(quán)值的學(xué)習(xí) 236
16．1．4  聯(lián)想記憶功能 239
16．2  連續(xù)型Hopfield網(wǎng)絡(luò) 240
16．3  Hopfield神經(jīng)網(wǎng)絡(luò)的應(yīng)用 242
16．3．1  Hopfield神經(jīng)網(wǎng)絡(luò)函數(shù) 242
16．3．2  Hopfield神經(jīng)網(wǎng)絡(luò)的應(yīng)用 245
第17章  LVQ網(wǎng)絡(luò)算法分析與應(yīng)用 259
17．1  LVQ神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 259
17．2  LVQ神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 260
17．2．1  LVQ1算法 260
17．2．2  LVQ2算法 260
17．3  LVQ神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 261
17．4  LVQ神經(jīng)網(wǎng)絡(luò)的MATLAB函數(shù) 262
17．5  LVQ神經(jīng)網(wǎng)絡(luò)的應(yīng)用 264
第18章  自組織網(wǎng)絡(luò)算法分析與實(shí)現(xiàn) 269
18．1  競(jìng)爭(zhēng)學(xué)習(xí)的概念 270
18．2  競(jìng)爭(zhēng)學(xué)習(xí)規(guī)則 271
18．3  競(jìng)爭(zhēng)學(xué)習(xí)原理 272
18．4  競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)MATLAB實(shí)現(xiàn) 275
18．5  競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)存在的問題 279
第19章  Elman網(wǎng)絡(luò)算法分析與應(yīng)用 280
19．1  Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 280
19．2  Elman神經(jīng)網(wǎng)絡(luò)權(quán)值修正的學(xué)習(xí)算法 281
19．3  Elman網(wǎng)絡(luò)穩(wěn)定性推導(dǎo) 282
19．4  對(duì)角遞歸網(wǎng)絡(luò)穩(wěn)定時(shí)學(xué)習(xí)速率的確定 283
19．5  Elman神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)中的應(yīng)用 284
第20章  BP網(wǎng)絡(luò)工具箱函數(shù)及其應(yīng)用 288
20．1  創(chuàng)建函數(shù) 289
20．2  傳遞函數(shù) 291
20．3  學(xué)習(xí)函數(shù) 293
20．4  訓(xùn)練函數(shù) 294
20．5  性能函數(shù) 297
20．6  顯示函數(shù) 298
第21章  神經(jīng)網(wǎng)絡(luò)在實(shí)際案例中的應(yīng)用 300
21．1  農(nóng)作物蟲情預(yù)測(cè) 300
21．1．1  蟲情預(yù)測(cè)原理 300
21．1．2  網(wǎng)絡(luò)實(shí)現(xiàn) 301
21．2  人臉識(shí)別 304
21．2．1  模型建立 305
21．2．2  網(wǎng)絡(luò)實(shí)現(xiàn) 306
第22章  神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)分析與應(yīng)用 310
22．1  神經(jīng)網(wǎng)絡(luò)的構(gòu)建函數(shù) 310
22．2  神經(jīng)網(wǎng)絡(luò)的應(yīng)用函數(shù) 324
第23章  線性神經(jīng)網(wǎng)絡(luò)算法分析與設(shè)計(jì) 330
23．1  線性神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 330
23．2  線性神經(jīng)網(wǎng)絡(luò)設(shè)計(jì) 331
23．3  自適應(yīng)濾波線性神經(jīng)網(wǎng)絡(luò) 333
23．4  線性神經(jīng)網(wǎng)絡(luò)的局限性 335
23．5  線性神經(jīng)網(wǎng)絡(luò)的MATLAB應(yīng)用舉例 336
第24章  神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)及實(shí)例分析 342
24．1  傳遞函數(shù)及其導(dǎo)函數(shù) 342
24．1．1  傳遞函數(shù) 342
24．1．2  傳遞函數(shù)的導(dǎo)函數(shù) 349
24．2  距離函數(shù) 354
24．3  權(quán)值函數(shù)及其導(dǎo)函數(shù) 356
24．3．1  權(quán)值函數(shù) 357
24．3．2  權(quán)值函數(shù)的導(dǎo)函數(shù) 358
24．4  結(jié)構(gòu)函數(shù) 359
24．5  分析函數(shù) 361
24．6  轉(zhuǎn)換函數(shù) 362
24．7  繪圖函數(shù) 368
24．8  數(shù)據(jù)預(yù)處理和后處理函數(shù) 375
第25章  神經(jīng)網(wǎng)絡(luò)的工程應(yīng)用 383
25．1  線性神經(jīng)網(wǎng)絡(luò)在線性預(yù)測(cè)中的應(yīng)用 383
25．2  神經(jīng)模糊控制在洗衣機(jī)中的應(yīng)用 385
25．2．1  洗衣機(jī)的模糊控制 385
25．2．2  洗衣機(jī)的神經(jīng)網(wǎng)絡(luò)模糊控制器的設(shè)計(jì) 387
25．3  模糊神經(jīng)網(wǎng)絡(luò)在配送中心選址中的應(yīng)用 391
25．4  Elman神經(jīng)網(wǎng)絡(luò)在信號(hào)檢測(cè)中的應(yīng)用 394
25．5  神經(jīng)網(wǎng)絡(luò)在噪聲抵消系統(tǒng)中的應(yīng)用 397
25．5．1  自適應(yīng)噪聲抵消原理 397
25．5．2  噪聲抵消系統(tǒng)的MATLAB仿真 399
第26章  神經(jīng)網(wǎng)絡(luò)算法分析與工具箱應(yīng)用 402
26．1  網(wǎng)絡(luò)對(duì)象屬性 404
26．1．1  結(jié)構(gòu)屬性 404
26．1．2  子對(duì)象結(jié)構(gòu)屬性 408
26．1．3  函數(shù)屬性 411
26．1．4  權(quán)值和閾值 413
26．1．5  參數(shù)屬性 415
26．1．6  其他屬性 415
26．2  子對(duì)象屬性 416
26．2．1  輸入向量 416
26．2．2  網(wǎng)絡(luò)層 417
26．2．3  輸出向量 422
26．2．4  閾值向量 422
26．2．5  輸入權(quán)值向量 424
26．2．6  目標(biāo)向量 427
26．2．7  網(wǎng)絡(luò)層權(quán)值向量 428
第27章  自定義函數(shù)及其應(yīng)用 432
27．1  初始化函數(shù) 432
27．2  學(xué)習(xí)函數(shù) 435
27．3  仿真函數(shù) 440
27．3．1  傳遞函數(shù) 440
27．3．2  傳遞函數(shù)導(dǎo)數(shù)函數(shù) 443
27．3．3  網(wǎng)絡(luò)輸入函數(shù) 444
27．3．4  網(wǎng)絡(luò)輸入導(dǎo)函數(shù) 446
27．3．5  權(quán)值函數(shù) 448
27．3．6  權(quán)值導(dǎo)數(shù)函數(shù) 450
27．4  自組織函數(shù) 452
27．4．1  拓?fù)浜瘮?shù) 452
27．4．2  距離函數(shù) 454
參考文獻(xiàn) 456