MATLAB神经网络超级学习手册pdf免费版高清完整版

编辑点评：

MATLAB在国际上一直实皮广泛的接受和应用在科学与工程的计算中，MATLAB神经网络超级学习手册是一款可以更加了解MATLAB的书籍，由刘冰，郭海霞编著，人民邮电出版社发行，这里附上免费的电子版本，需要的免费下载。

MATLAB神经网络超级学习手册目录

前言

第1章MATLAB简介

1.1MATLAB的发展

1.2MATLAB的特点及应用领域

1.3MATLABR2013a的安装

1.4MATLABR2013a的工作环境

1.4.1操作界面简介

1.4.2Workspace（命令窗口）

1.4.3CommandHistory（历史命令窗口）

1.4.4输入变量

1.4.5路径管理

1.4.6搜索路径

1.4.7Workspace（工作空间）

1.4.8变量的编辑命令

1.4.9存取数据文件

1.5MATLABR2013a的帮助系统

1.5.1纯文本帮助

1.5.2演示帮助

1.5.3帮助导航

1.5.4帮助文件目录窗

1.5.5帮助文件索引窗

1.6本章小结

第2章MATLAB基础

2.1基本概念

2.1.1MATLAB数据类型概述

2.1.2常量与变量

2.1.3标量、向量、矩阵与数组

2.1.4运算符

2.1.5命令、函数、表达式和语句

2.2MATLAB中的数组

2.2.1数组的保存和装载

2.2.2数组索引和寻址

2.2.3数组的扩展和裁剪

2.2.4数组形状的改变

2.2.5数组运算

2.2.6数组的查找

2.2.7数组的排序

2.2.8高维数组的降维操作

2.3曲线拟合

2.3.1多项式拟合

2.3.2加权最小方差（WLS）拟合原理及实例

2.4M文件

2.4.1M文件概述

2.4.2局部变量与全局变量

2.4.3M文件的编辑与运行

2.4.4脚本文件

2.4.5函数文件

2.4.6函数调用

2.4.7M文件调试工具

2.4.8M文件分析工具

2.5本章小结

第3章MATLAB程序设计

3.1MATLAB的程序结构

3.1.1if分支结构

3.1.2switch分支结构

3.1.3while循环结构

3.1.4for循环结构

3.2MATLAB的控制语句

3.2.1continue命令

3.2.2break命令

3.2.3return命令

3.2.4input命令

3.2.5keyboard命令

3.2.6error和warning命令

3.3数据的输入输出

3.3.1键盘输入语句（input）

3.3.2屏幕输出语句（disp）

3.3.3M数据文件的存储/加载（save/load）

3.3.4格式化文本文件的存储/读取（fprintf/fscanf）

3.3.5二进制数据文件的存储/读取（fwrite/fread）

3.3.6数据文件行存储/读取（fgetl/fgets）

3.4MATLAB文件操作

3.5MATLAB程序优化

3.5.1效率优化（时间优化）

3.5.2内存优化（空间优化）

3.5.3编程注意事项

3.5.4几个常用数学方法的算法程序

3.6程序调试

3.6.1程序调试命令

3.6.2程序剖析

3.7本章小结

第4章人工神经网络概述

4.1人工神经网络

4.1.1人工神经网络的发展

4.1.2人工神经网络研究内容

4.1.3人工神经网络研究方向

4.1.4人工神经网络发展趋势

4.2神经元

4.2.1神经元细胞

4.2.2MP模型

4.2.3一般神经元模型

4.3神经网络的结构及学习

4.3.1神经网络结构

4.3.2神经网络学习

4.4MATLAB神经网络工具箱

4.4.1神经网络工具箱函数

4.4.2神经网络工具箱的使用

4.5本章小结

第5章感知器

5.1感知器原理

5.1.1感知器模型

5.1.2感知器初始化

5.1.3感知器学习规则

5.1.4感知器训练

5.2感知器的局限性

5.3感知器工具箱的函数

5.4感知器的MATLAB仿真程序设计

5.4.1单层感知器MATLAB仿真程序设计

5.4.2多层感知器MATLAB仿真程序设计

5.5本章小结

第6章线性神经网络

6.1线性神经网络原理

6.1.1线性神经网络模型

6.1.2线性神经网络初始化

6.1.3线性神经网络学习规则

6.1.4线性神经网络的训练

6.2线性神经网络工具箱函数

6.3线性神经网络的MATLAB仿真程序设计

6.3.1线性神经网络设计的基本方法

6.3.2线性神经网络的设计

6.4本章小结

第7章BP神经网络

7.1BP神经网络原理

7.1.1BP神经网络模型

7.1.2BP神经网络算法

7.1.3BP神经网络的训练

7.1.4BP神经网络功能

7.2网络的设计

7.2.1网络的层数

7.2.2隐含层的神经元数

7.2.3初始权值的选取

7.2.4学习速率

7.3BP神经网络工具箱函数

7.4BP神经网络的工程应用

7.4.1BP网络在函数逼近中的应用

7.4.2nntool神经网络工具箱的应用

7.4.3BP神经网络在语音特征信号分类中的应用

7.4.4BP神经网络的非线性函数拟合应用

7.5本章小结

第8章RBF神经网络

8.1RBF网络模型

8.1.1RBF神经网络模型

8.1.2RBF网络的工作原理

8.1.3RBF神经网络的具体实现

8.2RBF神经网络的学习算法

8.3RBF网络工具箱函数

8.3.1RBF工具箱函数

8.3.2转换函数

8.3.3传递函数

8.4基于RBF网络的非线性滤波

8.4.1非线性滤波

8.4.2RBF神经网络用于非线性滤波

8.5RBF网络MATLAB应用实例

8.6本章小结

第9章反馈型神经网络

9.1反馈型神经网络的基本概念

9.2Hopfield网络模型

9.2.1Hopfield网络模型

9.2.2状态轨迹

9.2.3状态轨迹发散

9.3Hopfield网络工具箱函数

9.3.1Hopfield网络创建函数

9.3.2Hopfield网络传递函数

9.4离散型Hopfield网络

9.4.1DHNN模型结构

9.4.2联想记忆

9.4.3DHNN的海布（Hebb）学习规则

9.4.4DHNN权值设计的其他方法

9.5连续型Hopfield网络

9.6Elman网络

9.6.1Elman网络结构

9.6.2Elman网络创建函数

9.6.3Elman网络的工程应用

9.7本章小结

第10章竞争型神经网络

10.1自组织型竞争神经网络

10.1.1几种联想学习规则

10.1.2网络结构

10.1.3自组织神经网络的原理

10.1.4竞争学习规则

10.1.5竞争网络的训练过程

10.2自组织特征映射神经网络

10.2.1自组织特征映射神经网络拓扑结构

10.2.2SOM权值调整域

10.2.3SOM网络运行原理

10.2.4网络的训练过程

10.3自适应共振理论神经网络

10.3.1自适应共振理论神经网络概述

10.3.2ART网络的结构及特点

10.4学习向量量化神经网络

10.4.1LVQ神经网络结构

10.4.2LVQ神经网络算法

10.5竞争型神经网络工具箱函数

10.6竞争型神经网络的应用

10.7本章小结

第11章神经网络的Simulink应用

11.1基于Simulink的神经网络模块

11.1.1神经网络模块

11.1.2模块的生成

11.2基于Simulink的神经网络控制系统

11.2.1神经网络模型预测控制

11.2.2反馈线性化控制

11.2.3模型参考控制

11.3本章小结

第12章神经网络GUI

12.1GUI简介

12.1.1GUI设计工具

12.1.2启动GUIDE

12.1.3添加控件组件

12.1.4设置控件组件的属性

12.1.5编写相应的程序代码

12.1.6GUIDE创建GUI的注意事项

12.1.7定制标准菜单

12.2神经网络GUI

12.2.1常规神经网络GUI

12.2.2神经网络拟合GUI

12.2.3神经网络模式识别GUI

12.2.4神经网络聚类GUI

12.3GUI数据操作

12.3.1从Workspace导入数据到GUI

12.3.2从GUI中导出数据到Workspace

12.3.3数据的存储和读取

12.3.4数据的删除

12.4本章小结

第13章自定义神经网络及函数

13.1自定义神经网络

13.1.1网络的创建

13.1.2网络的初始化、训练和仿真

13.2自定义函数

13.2.1初始化函数

13.2.2学习函数

13.2.3仿真函数

13.3本章小结

第14章随机神经网络

14.1随机神经网络的基本思想

14.2模拟退火算法

14.2.1模拟退火算法的原理

14.2.2模拟退火算法用于组合优化问题

14.2.3退火算法的参数控制

14.3Boltzmann机

14.3.1Boltzmann机的网络结构

14.3.2Boltzmann机的工作原理

14.3.3Boltzmann机的运行步骤

14.3.4Boltzmann机的学习规则

14.3.5Boltzmann机的改进

14.4随机神经网络的应用

14.5本章小结

第15章神经网络基础运用

15.1感知器神经网络的应用

15.2线性神经网络的应用

15.3BP神经网络的应用

15.4RBF神经网络的应用

15.5本章小结

第16章神经网络综合运用

16.1BP神经网络的应用

16.1.1数据拟合

16.1.2数据预测

16.1.3函数逼近

16.2PID神经网络控制

16.3遗传算法优化神经网络

16.4模糊神经网络控制

16.5概率神经网络分类预测

16.6本章小结

附录

参考文献

MATLAB神经网络超级学习手册pdf图片预览

书籍介绍

本书以新近推出的MATLABR2013a神经网络工具箱为基础，系统全面地介绍了神经网络的各种概念和应用。本书按逻辑编排，自始至终采用实例描述；内容完整且每章相对独立，是一本不可多得的掌握MATLAB神经网络的学习用书。

全书共分为16章，从MATLAB简介开始，详细介绍了MATLAB的基础知识、MATLAB程序设计、人工神经网络概述、感知器、线性神经网络、BP神经网络、RBF神经网络、反馈型神经网络、竞争型神经网络、神经网络在Simulink中的应用、神经网络GUI、自定义神经网络及函数等内容。在本书最后，还详细介绍了神经网络在MATLAB中的几种应用方法。

刘冰，郭海霞，从事信息处理等相关工作，熟悉MATLAB等工程软件，在国内外期刊发表论文多篇。

MATLAB的发展

20世纪70年代中后期，曾在密西根大学、斯坦福大学和新墨西哥大学担任数学与计算机科学教授的Cleve Moler博士，为讲授矩阵理论和数值分析课程的需要，和同事用Fortran语言编写了两个子程序库EISPACK和LINPACK，这便是构思和开发MATLAB的起点。MATLAB一词是对Matrix Laboratory（矩阵实验室）的缩写，由此可看出MATLAB与矩阵计算的渊源。

MATLAB除了利用EISPACK和LINPACK两大软件包的子程序外，还包含用Fortran语言编写的用于承担命令翻译的部分。

为进一步推动MATLAB的应用，在20世纪80年代初，John Little等人将先前的MATLAB全部用C语言进行改写，形成了新一代的MATLAB.1984年，Cleve Moler和John Little等人成立MathWorks公司，并于同年向市场推出了MATLAB的第一个商业版本随着市场接受度的提高，其功能也不断增强，在完成数值计算的基础上，新增了数据可视化以及与其他流行软件的接口等功能，并开始了对MATLAB工具箱的研究开发。

1993年，MathWorks公司推出了基于PC的以Windows为操作系统平台的MATLAB 4.0版。

1994年推出的4.2版，扩充了4.0版的功能，尤其在图形界面设计方面提供了新的方法1997年推出的MATLAB 5.0增加了更多的数据结构，如结构数组、细胞数组、多维数组、对象、类等，使其成为一种更方便的编程语言。

1999年初推出的MATLAB 5.3在很多方面又进一步改进了MATLAB的功能。