掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
MATLAB 神經網絡原理與實例精解-附DVD光盤.含大量高清視頻 版權信息
- ISBN：9787302307419
- 條形碼：9787302307419 ; 978-7-302-30741-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
MATLAB 神經網絡原理與實例精解-附DVD光盤.含大量高清視頻 本書特色
matlab中文論壇、matlab技術論壇兩大社區鼎力推薦 在matlab中文論壇上提供“在線交流，有問必答”的技術支持 詳解109個典型實例、7個綜合案例和50多個神經網絡工具箱函數 涵蓋單層感知器、線性神經網絡、bp神經網絡、徑向基網絡、自組織神經網絡、反饋神經網絡、隨機神經網絡7種主要的網絡類型 提供教學ppt、10小時配套教學視頻，并附贈24.5小時matlab基礎教學視頻 matlab圖書推薦： 《matlab應用大全》 （內容超全，大量教學視頻） 《基于matlab的高等數學問題求解》 （兩大論壇推薦，提供在線交流服務） 《matlab圖像處理實例詳解》 （matlab中文論壇推薦，提供在線交流服務）
MATLAB 神經網絡原理與實例精解-附DVD光盤.含大量高清視頻 內容簡介
國內*大的matlab&simulink技術交流平臺——matlab中文論壇（www.ilovematlab.cn）聯合本書作者和編輯，一起為您提供與本書相關的問題解答和matlab技術支持服務，讓您獲得*佳的閱讀體驗。請隨時登錄matlab中文論壇，提出您在閱讀本書時產生的疑問，作者將定期為您解答。您對本書的任何建議也可以在論壇上發帖，以便于我們后續改進。您的建議將是我們創造精品的*大動力和源泉。 《matlab神經網絡原理與實例精解》“有問必答”交流板塊網址：www.ilovematlab.cn/forum-222-1.html 《matlab神經網絡原理與實例精解》附帶的程序、教學視頻和ppt下載網址：www.ilovematlab.cn/thread-216956-1-1.html 《matlab神經網絡原理與實例精解》勘誤網址：www.ilovematlab.cn/thread-216957-1-1.html “在線交流，有問必答”網絡互動參與步驟： 在matlab中文論壇www.ilovematlab.cn上注冊一個會員帳號并登錄。 從本書配套的在線交流卡上獲得配套密碼。 在www.ilovematlab.cn/book.php驗證密碼。 驗證后，進入本書板塊，與作者在線交流。
MATLAB 神經網絡原理與實例精解-附DVD光盤.含大量高清視頻 目錄
第1篇 入門篇
第1章 神經網絡概述（ 教學視頻：10分鐘）
1.1 人工神經網絡簡介
1.2 神經網絡的特點及應用
1.2.1 神經網絡的特點
1.2.2 神經網絡的應用
1.3 人工神經網絡的發展歷史
1.4 神經網絡模型
1.5 神經網絡的學習方式
第2章 matlab快速入門（ 教學視頻：48分鐘）
2.1 matlab功能及歷史
2.1.1 matlab的功能和特點
2.1.2 matlab發展歷史
2.2 matlab r2011b集成開發環境
2.2.1 matlab的安裝
2.2.2 matlab集成開發環境
2.2.3 搜索路徑設定
2.3 matlab語言基礎
2.3.1 標識符與數組
2.3.2 數據類型
2.3.3 運算符
2.3.4 流程控制
2.3.5 m文件
第3章 matlab函數與神經網絡工具箱（ 教學視頻：62分鐘）
3.1 matlab常用命令
3.2 矩陣生成和基本運算
3.2.1 zeros 生成全零矩陣
3.2.2 ones 生成全1矩陣
3.2.3 magic 生成魔方矩陣
3.2.4 eye 生成單位矩陣
3.2.5 rand 生成均勻分布隨機數
3.2.6 randn 生成正態分布隨機數
3.2.7 linspace 產生線性等分向量
3.2.8 logspace 產生對數等分向量
3.2.9 randperm 生成隨機整數排列
3.2.10 randi 生成整數隨機數
3.2.11 range 向量的*大/*小值之差
3.2.12 minmax求*大/*小值
3.2.13 min/max/mean求*大/*小值
3.2.14 size/length/numel/ndims 矩陣維度相關
3.2.15 sum/prod 求和或積
3.2.16 var/std 求方差與標準差
3.2.17 diag 生成對角矩陣
3.2.18 repmat 矩陣復制和平鋪
3.2.19 reshape 矩陣變維
3.2.20 inv/pinv 矩陣求逆/求偽逆
3.2.21 rank/det 求矩陣的秩/行列式
3.2.22 eig 矩陣的特征值分解
3.2.23 svd 矩陣的奇異值分解
3.2.24 trace 求矩陣的跡
3.2.25 norm 求向量或矩陣的范數
3.3 數學函數
3.3.1 abs 求絕對值
3.3.2 exp/log 指數函數/對數函數
3.3.3 log10/log2 常用對數/以2為底的對數
3.3.4 fix/round/ceil/floor 取整函數
3.3.5 mod/rem 取模數/余數
3.4 圖形相關函數
3.4.1 plot 繪制二維圖像
3.4.2 坐標軸設置函數
3.4.3 subplot 同一窗口分區繪圖
3.4.4 figure/hold 創建窗口/圖形保持
3.4.5 semilogx/semilogy 單對數坐標圖
3.4.6 contour/ clabel曲面等高線/等高線標簽
3.4.7 gcf/gca/gco 返回當前圖形/坐標/對象句柄
3.4.8 mesh 繪制三維網格圖
3.5 神經網絡工具箱
3.5.1 工具箱函數基本介紹
3.5.2 神經網絡對象與屬性
第2篇 原理篇
第4章 單層感知器（ 教學視頻：27分鐘）
4.1 單層感知器的結構
4.2 單層感知器的學習算法
4.3 感知器的局限性
4.4 單層感知器相關函數詳解
4.4.1 newp——創建一個感知器
4.4.2 train——訓練感知器網絡
4.4.3 sim——對訓練好的網絡進行仿真
4.4.4 hardlim/hardlims——感知器傳輸函數
4.4.5 init——神經網絡初始化函數
4.4.6 adapt——神經網絡的自適應
4.4.7 mae——平均絕對誤差性能函數
4.5 單層感知器應用實例——坐標點的二類模式分類
4.5.1 手算
4.5.2 使用工具箱函數
第5章 線性神經網絡（ 教學視頻：41分鐘）
5.1 線性神經網絡的結構
5.2 lms學習算法
5.3 lms算法中學習率的選擇
5.3.1 確保網絡穩定收斂的學習率
5.3.2 學習率逐漸下降
5.4 線性神經網絡與感知器的對比
5.4.1 網絡傳輸函數
5.4.2 學習算法
5.5 線性神經網絡相關函數詳解
5.5.1 newlind——設計一個線性層
5.5.2 newlin——構造一個線性層
5.5.3 purelin——線性傳輸函數
5.5.4 learnwh——lms學習函數
5.5.5 maxlinlr——計算*大學習率
5.5.6 mse——均方誤差性能函數
5.5.7 linearlayer——構造線性層的函數
5.6 線性神經網絡應用實例
5.6.1 實現二值邏輯——與
5.6.2 實現二值邏輯——異或
第6章 bp神經網絡（ 教學視頻：49分鐘）
6.1 bp神經網絡的結構
6.2 bp網絡的學習算法
6.2.1 *速下降法
6.2.2 *速下降bp法
6.2.3 串行和批量訓練方式
6.2.4 *速下降bp法的改進
6.3 設計bp網絡的方法
6.4 bp神經網絡的局限性
6.5 bp網絡相關函數詳解
6.5.1 logsig——log-sigmoid傳輸函數
6.5.2 tansig——tan-sigmoid傳輸函數
6.5.3 newff——創建一個bp網絡
6.5.4 feedforwardnet——創建一個bp網絡
6.5.5 newcf——級聯的前向神經網絡
6.5.6 cascadeforwardnet——新版級聯前向網絡
6.5.7 newfftd——前饋輸入延遲的bp網絡
6.5.8 dlogsig/dtansig——sigmoid函數的導數
6.6 bp神經網絡應用實例
6.6.1 基于bp網絡的性別識別
6.6.2 實現二值邏輯——異或
第7章 徑向基函數網絡（ 教學視頻：62分鐘）
7.1 徑向基神經網絡的兩種結構
7.1.1 徑向基函數
7.1.2 正則化網絡
7.1.3 廣義網絡
7.2 徑向基神經網絡的學習算法
7.2.1 隨機選取固定中心
7.2.2 自組織選取中心
7.2.3 有監督選取中心
7.2.4 正交*小二乘法
7.3 徑向基神經網絡與多層感知器的比較
7.4 概率神經網絡
7.4.1 模式分類的貝葉斯決策理論
7.4.2 概率神經網絡的結構
7.4.3 概率神經網絡的優點
7.5 廣義回歸神經網絡
7.5.1 廣義回歸神經網絡的理論基礎
7.5.2 廣義回歸神經網絡的結構
7.6 徑向基神經網絡相關函數詳解
7.6.1 newrb——設計一個徑向基函數網絡
7.6.2 newrbe——設計一個嚴格的徑向基網絡
7.6.3 radbas——徑向基函數
7.6.4 dist——歐幾里得距離權函數
7.6.5 netprod——乘積網絡輸入函數
7.6.6 dotprod——內積權函數
7.6.7 netsum——求和網絡輸入函數
7.6.8 newpnn——設計概率神經網絡
7.6.9 compet——競爭性傳輸函數
7.6.10 ind2vec/vec2ind——向量-下標轉換函數
7.6.11 newgrnn——設計廣義回歸神經網絡
7.6.12 normprod——歸一化點積權函數
7.7 徑向基網絡應用實例
7.7.1 異或問題
7.7.2 rbf網絡曲線擬合
7.7.3 grnn網絡曲線擬合
7.7.4 pnn網絡用于坐標點分類
第8章 自組織競爭神經網絡（ 教學視頻：52分鐘）
8.1 競爭神經網絡
8.2 競爭神經網絡的學習算法
8.2.1 kohonen學習規則
8.2.2 閾值學習規則
8.3 自組織特征映射網絡
8.4 som的學習算法
8.5 學習矢量量化網絡
8.5.1 lvq1學習規則
8.5.2 lvq2規則
8.6 自組織競爭網絡相關函數詳解
8.6.1 gridtop——網格拓撲函數
8.6.2 hextop——六邊形拓撲函數
8.6.3 randtop——隨機拓撲結構函數
8.6.4 tritop——三角拓撲函數
8.6.5 dist、boxdist、linkdist、mandist——距離函數
8.6.6 newc——競爭網絡
8.6.7 competlayer——新版競爭網絡函數
8.6.8 newsom——自組織特征映射網絡
8.6.9 selforgmap——新版自組織映射網絡函數
8.6.10 newlvq——學習矢量量化網絡
8.6.11 lvqnet——新版學習矢量量化網絡函數
8.6.12 mapminmax——歸一化函數
8.7 自組織競爭神經網絡應用實例
8.7.1 坐標點的分類（競爭神經網絡）
8.7.2 坐標點的分類（自組織映射網絡）
第9章 反饋神經網絡（ 教學視頻：51分鐘）
9.1 離散hopfield神經網絡
9.1.1 hopfield網絡的結構
9.1.2 hopfield網絡的穩定性
9.1.3 設計離散hopfield網絡
9.2 連續hopfield神經網絡
9.3 elman神經網絡
9.4 盒中腦模型
9.5 反饋神經網絡相關函數詳解
9.5.1 newhop——生成一個離散hopfield網絡
9.5.2 satlin——飽和線性傳遞函數
9.5.3 satlins——對稱飽和線性傳遞函數
9.5.4 nnt2hop——更新hopfield網絡
9.5.5 newelm——創建elman反饋網絡
9.5.6 elmannet——創建elman反饋網絡（新版本）
9.6 反饋神經網絡應用實例
9.6.1 二維平面上的聯想記憶網絡
9.6.2 elman股價預測
第10章 隨機神經網絡（ 教學視頻：40分鐘）
10.1 模擬退火算法
10.1.1 模擬退火算法的引出
10.1.2 退火算法的參數控制
10.2 boltzmann機
10.2.1 boltzmann機基本原理
10.2.2 boltzmann機的學習規則
10.2.3 boltzmann機的運行步驟
10.3 sigmoid置信度網絡
10.4 matlab模擬退火算法工具
10.4.1 matlab優化工具箱
10.4.2 模擬退火算法相關函數
10.5 模擬退火算法求解tsp問題
第11章 用gui設計神經網絡（ 教學視頻：56分鐘）
11.1 神經網絡工具（nntool）
11.1.1 nntool界面介紹
11.1.2 使用nntool建立神經網絡
11.2 神經網絡分類/聚類工具（nctool）
11.3 神經網絡擬合工具（nftool）
11.4 神經網絡模式識別工具（nprtool）
11.5 神經網絡時間序列工具（ntstool）
11.6 nntraintool與view
第3篇 實戰篇
第12章 simulink
12.1 simulink中的神經網絡模塊
12.2 用gensim生成模塊
12.2.1 相關函數介紹
12.2.2 gensim使用實例
第13章 神經網絡應用實例（ 教學視頻：96分鐘）
13.1 bp神經網絡實現圖像壓縮
13.1.1 問題背景
13.1.2 神經網絡建模
13.1.3 神經網絡壓縮的實現
13.2 elman網絡預測上證股市開盤價
13.2.1 問題背景
13.2.2 神經網絡建模
13.2.3 elman網絡預測股價的實現
13.3 徑向基網絡預測地下水位
13.3.1 問題背景
13.3.2 神經網絡建模
13.3.3 徑向基網絡預測的實現
13.4 基于bp網絡的個人信貸信用評估
13.4.1 問題背景
13.4.2 神經網絡建模
13.4.3 個人信貸信用評估的實現
13.5 基于概率神經網絡的手寫體數字識別
13.5.1 問題背景
13.5.2 神經網絡建模
13.5.3 手寫體數字識別的實現
13.6 基于概率神經網絡的柴油機故障診斷
13.6.1 問題背景
13.6.2 神經網絡建模
13.6.3 柴油機故障診斷的實現
13.7 基于自組織特征映射網絡的亞洲足球水平聚類
13.7.1 問題背景
13.7.2 神經網絡建模
13.7.3 足球水平聚類的實現
展開全部
MATLAB 神經網絡原理與實例精解-附DVD光盤.含大量高清視頻 作者簡介
陳明 畢業于天津大學信息與通信工程專業，獲碩士學位。本科期間參加過全國電子設計大賽信息安全專題邀請賽，獲得三等獎。研究生階段在天津大學信息學院圖像中心學習，研究方向為圖像處理、模式識別、視頻編解碼。由于學習和科研的需要開始接觸MATLAB，用MATLAB解決過圖像處理、機器學習等領域的問題。對遺傳算法和神經網絡工具箱尤為熟悉，有豐富的MATLAB編程經驗。編寫過《MATLAB函數效率功能速查手冊》一書。
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
回憶愛瑪儂
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
李白與唐代文化
- >
我從未如此眷戀人間
- >
伯納黛特,你要去哪(2021新版)
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
