中圖網(wǎng)小程序
一鍵登錄
更方便
MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析 版權(quán)信息
- ISBN：9787512412026
- 條形碼：9787512412026 ; 978-7-5124-1202-6
- 裝幀：簡裝本
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析 本書特色
《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(bǔ)充而成的，秉承著“理論講解—案例分析—應(yīng)用擴(kuò)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)。 《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》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(jī)森林、極限學(xué)習(xí)機(jī)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，《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》還介紹了MATLAB R2012b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《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》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)。《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》程序建議在MATLAB R2009a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。
《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》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》是在《MATLAB神經(jīng)網(wǎng)絡(luò)30個案例分析》的基礎(chǔ)上修改、補(bǔ)充而成的，秉承著“理論講解—案例分析—應(yīng)用擴(kuò)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)。《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》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(jī)森林、極限學(xué)習(xí)機(jī)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，《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》還介紹了MATLAB R2012b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《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》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)。《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》程序建議在MATLAB R2009a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。
《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》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 內(nèi)容簡介
王小川、史峰、郁磊、李洋編著的《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(bǔ)充而成的，秉承著“理論講解―案例分析―應(yīng)用擴(kuò)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(jī)森林、極限學(xué)習(xí)機(jī)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MATLAB R2012b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MATLAB R2009a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。
《MATLAB神經(jīng)網(wǎng)絡(luò)43個案例分析》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 目錄
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(kuò)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(xiàn)
第2章 BP神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)建模——非線性函數(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(kuò)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(xiàn)
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(kuò)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(xiàn)
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(kuò)展
4.4.1 工程實例
4.4.2 預(yù)測精度探討
參考文獻(xiàn)
第5章 基于BP_Adaboost的強(qiáng)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(qiáng)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(kuò)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(qiáng)預(yù)測器預(yù)測
5.4.4 結(jié)果分析
參考文獻(xiàn)
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(kuò)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(xiàn)
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的信息粒化時序回歸預(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(jī)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(fù)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(jī)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(jī)森林思想的組合分類器設(shè)計——乳腺癌診斷
第31章 思維進(jìn)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
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(kuò)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(xiàn)
第2章 BP神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)建模——非線性函數(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(kuò)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(xiàn)
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(kuò)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(xiàn)
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(kuò)展
4.4.1 工程實例
4.4.2 預(yù)測精度探討
參考文獻(xiàn)
第5章 基于BP_Adaboost的強(qiáng)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(qiáng)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(kuò)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(qiáng)預(yù)測器預(yù)測
5.4.4 結(jié)果分析
參考文獻(xiàn)
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(kuò)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(xiàn)
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的信息粒化時序回歸預(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(jī)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(fù)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(jī)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(jī)森林思想的組合分類器設(shè)計——乳腺癌診斷
第31章 思維進(jìn)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
展開全部
書友推薦
- >
名家?guī)阕x魯迅:朝花夕拾
- >
月亮虎
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
詩經(jīng)-先民的歌唱
- >
我從未如此眷戀人間
- >
山海經(jīng)
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
本類暢銷
