|
 图书购买
1、内容简介
本书基于MATLAB 6.5/7提供的神经网络工具箱，介绍了神经网络常用算法、优化算法及其混合编程实现。全书共分为6章，分别结合实例介绍了人工神经网络概述，实用神经网络模型与学习算法，神经网络算法优化，nnToolKit神经网络工具包，MATLAB混合编程技术，混合编程案例。附录中介绍了2NDN神经网络建模仿真平台。全书图文并茂，由浅入深，脉络清晰，融教学与实例于一体，通过大量的神经网络应用实例介绍了神经网络的常用算法及混合编程实现方法，并配有习题。全书可读性和操作性较强。
本书可作为高校自动化、计算机、材料化工、机械工程、数学、电子工程、信息与信息处理等专业的教材和相关专业工程技术人员的参考书，读者可到中国AI创业研发俱乐部（http://www.5iai.com）网站上下载本书配套源程序和电子课件，同时本网站的“源码中心”提供了大量的神经网络源代码，欢迎大家下载交流学习。
全书内容主要包括：人工神经网络概述，实用神经网络模型与学习算法，神经网络算法优化，nnToolKit神经网络工具包，MATLAB混合编程技术，混合编程案例，2NDN神经网络建模仿真平台。第1章人工神经网络概述，介绍了神经网络的基础知识、特点以及应用，使得初学者对神经网络有个基本的了解；第2章实用神经网络模型与学习算法，详细地介绍了常用神经网络模型与学习算法，并给出了完整的示例；第3章神经网络算法优化，重点介绍了BP网络学习算法的改进算法，模糊神经网络，基于遗传算法的神经网络训练方法(GA-BP法)，小波神经网络；第4章nnToolKit神经网络工具包，重点介绍nnToolKit神经网络工具包。nnToolKit是一个基于MATLAB神经网络工具箱编写的常用神经网络函数的集合，其M文件可单独运行，可编译成MEX、C、CPP，或直接封装成DLL库，在脱离MATLAB环境的情况下，直接供高级语言调用，并给出工程实践中的4个完整实例：基于LM算法进行房地产开发风险预测，模糊神经网络预测地基沉降量，基于遗传神经网络的图像分割，小波神经网络在1-D 插值上的应用。第5章MATLAB混合编程技术，详细介绍了MATLAB COM Builder、Excel Builder等Matlab混合编程技术，同时介绍了一个案例——电力行业的漏窃电预测。第6章神经网络混合编程案例，完整地介绍了一个案例——个人资信评级系统。附录2NDN神经网络建模仿真工具介绍了目前国内较受欢迎的，由作者开发的2NDN神经网络建模仿真平台，这个平台能帮助使用者大大提高开发人工神经网络的效率。全书通过翔实的神经网络混合编程实例为读者讲述了神经网络的常用算法及混合编程实现方法，全书图文并茂，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，能快速学会神经网络技术及其混合编程实现方法。
2、图书目录
前言
第1章 人工神经网络概述
1.1 神经网络的基本概念
1.1.1 生物神经元的结构与功能特点
1.1.2 人工神经元模型
1.1.3 神经网络的结构及工作方式
1.1.4 神经网络的学习
1.2 神经网络的特点及其应用
1.2.1 神经网络的特点
1.2.2 神经网络的应用领域
练习题
第2章 实用神经网络模型与学习算法
2.1 MATLAB快速入门
2.1.1 MATLAB界面组成
2.1.2 MATLAB基本运算
2.1.3 MATLAB绘图函数
2.2 感知器神经网络模型与学习算法
2.2.1 单层感知器
2.2.2 单层感知器的学习算法
2.2.3 单层感知器的MATLAB实现
2.2.4 多层感知机
2.3 线性神经网络模型与学习算法
2.3.1 线性神经元网络模型
2.3.2 线性神经网络的学习算法
2.3.3 线性神经网络的MATLAB实现
2.4 BP神经网络模型与学习算法
2.4.1 BP神经网络模型
2.4.2 BP网络的标准学习算法
2.4.3 BP神经网络学习算法的MATLAB实现
2.5 径向基函数神经网络模型与学习算法
2.5.1 RBF神经网络模型
2.5.2 RBF网络的学习算法
2.5.3 RBF网络学习算法的MATLAB实现
2.6 自组织神经网络模型与学习算法
2.6.1 自组织特征映射神经网络结构
2.6.2 自组织特征映射网络的学习算法
2.6.3 自组织网络学习算法的MATLAB实现
2.7 学习向量量化(LVQ)神经网络模型与学习算法
2.7.1 LVQ神经网络结构
2.7.2 LVQ神经网络的学习算法
2.7.3 LVQ神经网络学习算法的MATLAB实现
2.8 Elman神经网络算法模型与学习算法
2.8.1 Elman神经网络结构
2.8.2 Elman神经网络学习算法
2.8.3 Elman神经网络学习算法的MATLAB实现
2.9 Hopfield神经网络模型与学习算法
2.9.1 离散Hopfield神经网络
2.9.2 连续Hopfield神经网络
2.9.3 Hopfield神经网络的MATLAB实现
2.10 Boltzmann神经网络模型与学习算法
2.10.1 Boltzmann机的网络结构
2.10.2 Boltzmann机学习算法
2.11 模糊神经网络
2.11.1 模糊神经网络主要形式
2.11.2 模糊神经网络模型
2.11.3 模糊神经网络学习方法
2.11.4 模糊逻辑MATLAB函数
练习题
第3章 神经网络优化方法
3.1 BP网络学习算法的改进
3.1.1 消除样本输入顺序影响的改进算
3.1.2 附加动量的改进算法
3.1.3 采用自适应调整参数的改进算法
3.1.4 使用弹性方法的改进算法
3.1.5 使用拟牛顿法的改进算法
3.1.6 基于共轭梯度法的改进算法
3.1.7 基于Levenberg-Marquardt法的改进算法
3.2 基于遗传算法的神经网络优化方法
3.2.1 概述
3.2.2 遗传算法简介
3.2.3 遗传算法工具箱
3.2.4 用遗传算法优化神经网络权值的学习过程
3.3 小波神经网络
3.3.1 概述
3.3.2 小波神经网络参数调整算法
3.3.3 小波神经网络的MATLAB函数
练习题
第4章 nnToolKit神经网络工具包
4.1 nnToolKit简介
4.2 nnToolKit函数库
4.3 应用举例
4.3.1 基于LM神经网络的房地产开发风险预测模型
4.3.2 自组织特征映射网络进行图像识别
4.3.3 模糊神经网络预测地基沉降量
4.3.4 基于遗传神经网络的图像分割
4.3.5 小波神经网络在1-D 插值上的应用
练习题
第5章 MATLAB混合编程技术
5.1 概述
5.2 COM生成器（COM Builder）
5.2.1 创建nnToolKit的COM组件
5.2.2 nnToolKit组件的安装
5.2.3 VB调用nnToolKit神经网络工具包实现混合编程
5.2.4 CB调用nnToolKit神经网络工具包实现混合编程
5.2.5 VC调用nnToolKit神经网络工具包实现混合编程
5.3 Excel生成器（Excel Builder）
5.3.1 创建nnxToolKit的Excel插件
5.3.2 nnxToolKit组件的安装
5.3.3 nnxToolKit组件集成到VBA
5.3.4 创建图形用户界面
5.3.5 保存和测试插件
5.3.6 分发应用程序
5.3.7 应用示例
练习题
第6章 神经网络混合编程案例
6.1 概述
6.2 预测评价指标体系
6.3 预测评估模型
6.4 有效模式和样本集的确定
6.5 样本库的建立和归一化处理
6.5.1 样本库的建立
6.5.2 归一化处理
6.6 系统实现
练习题
附录 2NDN神经网络建模仿真工具
1．2NDN神经网络建模型仿真工具简介
1.1 2NDN主要特点
1.2 2NDN功能简介
2．基于时间序列的股票趋势预测模型
3．用2NDN神经网络建模型仿真工具实现混合编程
练习题
特别感谢：俱乐部中关心和支持本书的会员，尤其是早期参编人员：田大新、程起才、李刚、谭显胜、冰露、田慧欣、马琼雄、李增祥、李超、杨富森、刘宇、潘永刚等，请这些会员提供详细邮寄地址(service@5iai.com)，将免费获赠一份。
图书购买
[ 1 ]
|
