神經網絡

定　價：￥26.00

作　者：	侯媛彬、杜京義、江梅
出版社：	西安電子科技大學出版社
叢編項：	高等學校電子與電氣工程及自動化專業(yè)“十一五”規(guī)劃教材
標　簽：	自動化基礎理論

購買這本書可以去

ISBN：	9787560619026	出版時間：	2007-08-01	包裝：	平裝
開本：	16開	頁數：	223	字數：

內容簡介

　　《神經網絡（附光盤）》的主要內容有：神經網絡的概念，神經網絡的分類與學習方法，前向神經網絡模型及其算法，改進的BP網絡及其控制、辨識建模，基于遺傳算法的神經網絡，基于模糊理論的神經網絡，RBF網絡及其在混沌背景下對微弱信號的測量與控制，反饋網絡，Hopfield網絡及其在字符識別中的應用，支持向量機及其故障診斷，小波神經網絡及其在控制與辨識中的應用?！渡窠浘W絡（附光盤）》內容全面，重點突出，以講明基本概念和方法為主，盡量減少繁瑣的數學推導，并給出一些結合工程應用的例題?！渡窠浘W絡（附光盤）》附有光盤，其中包括結合各章節(jié)內容所開發(fā)的30多個源程序，可直接在MATLAB界面下運行，此外，還包括用Authorware和Flash軟件制作的動畫課件?！渡窠浘W絡（附光盤）》既可作為自動化和電氣自動化專業(yè)及相關專業(yè)的研究生教材，也可供機電類工程技術人員選用，還可作為有興趣的讀者自學與應用的參考書。

作者簡介

　　侯媛彬，教授，女，博士生導師，1997年獲西安交通大學系統工程（Ⅰ）博士學位。西安科技大學礦山機電博士點學科帶頭人，西安科技大學省重點學科“控制理論與控制工程”學科帶頭人，中國自動化學會電氣專業(yè)委員會委員，陜西省自動化協會常務理事兼教育委員會主任。一直從事自動化、安全技術與工程方面的教學和研究工作。講授過博士、碩士和本科各層面的專業(yè)課程10多門。在國內外公開發(fā)表學術論文110余篇，其中被EI和ISTP檢索30余篇。出版專著、教材8部：承擔省部級科研項目及橫向項目10余項；獲實用新型專利2項；獲省級科技進步獎3項：獲科研、教學方面的各種獎10多項；2006年獲省級師德標兵。

圖書目錄

前言
第1章智能控制技術基礎
　1.1 智能控制的基本概念
　1.2 智能控制系統的分類和發(fā)展
　1.3 用于神經網絡控制或辨識建模的噪聲信號產生方法
　1.4 偽隨機信號產生及MATLAB仿真舉例
　1.5 語義網絡知識表示法及Petri網舉例
　1.6 小結
　習題
第2章神經網絡控制的基本概念
　2.1 生物神經元模型
　2.2 人工神經元
　　2.2.1 人工神經網絡的發(fā)展
　　2.2.2 神經網絡的特性
　　2.2.3 人工神經元模型
　2.3 神經網絡常用的激發(fā)函數
　2.4 神經網絡的分類
　2.5 神經網絡學習方法
　2.6 小結
　習題
第3章前向神經網絡模型及其仿真算法
　3.1 感知器算法及其應用
　　3.1.1 感知器的概念
　　3.1.2 感知器的局限性
　　3.1.3 感知器的線性可分性
　　3.1.4 感知器分類的MATLAB仿真
　3.2 BP神經網絡及其算例
　3.3 其它前向網絡
　3.4 神經網絡模型辨識
　　3.4.1 神經網絡模型辨識系統結構
　　3.4.2 神經網絡模型辨識MATLAB仿真
　3.5 神經網絡自適應控制系統結構
　3.6 神經元自適應控制系統MATLAB仿真
　　3.6.1 Kp變化時系統的階躍響應仿真
　　3.6.2 系統的閉環(huán)零點z、極點p和增益k求取仿真
　　3.6.3 單神經網絡控制系統仿真
　3.7 小結
　習題
第4章改進的BP網絡訓練算法
　4.1 BP網絡分析及其改進思路
　　4.1.1 網絡存在問題分析
　　4.1.2 其它網絡訓練技巧
　4.2 基于降低網絡靈敏度的網絡改進算法
　4.3 提高神經網絡容錯性的理論和方法
　4.4 提高神經網絡收斂速度的一種賦初值算法
　4.5 復雜系統神經網絡辨識MATLAB仿真舉例
　　4.5.1 具有噪聲二階系統辨識的MATLAB程序剖析
　　4.5.2 多維非線性辨識與MATLAB程序剖析
　4.6 小結
　習題
第5章小腦模型神經網絡及其應用
　5.1 CMAC網絡的特點
　5.2 改進的CMAC干式變壓器卷線機跑偏信號諧波分析
　　5.2.1 CMAC網絡對非線性函數學習過程
　　5.2.2 干式變壓器卷線機跑偏信號諧波分析方法
　　5.2.3 跑偏信號諧波仿真與分析
　5.3 改進的CMAC學習多維函數
　5.4 小結
　習題
第6章遺傳算法及其神經網絡
　6.1 遺傳算法的概念
　　6.1.1 遺傳算法的定義及特點
　　6.1.2 遺傳操作
　6.2 一種適應度函數的改進算法
　　6.2.1 適應度函數的選擇與計算
　　6.2.2 一種改進的遺傳神經解耦方法
　　6.2.3 遺傳神經解耦仿真、實驗及結論
　6.3 遺傳算法及其遺傳神經網絡應用仿真
　　6.3.1 遺傳算法尋優(yōu)MATLAB仿真
　　6.3.2 遺傳神經元辨識MATLAB仿真
　6.4 小結
　習題
第7章模糊神經網絡
　7.1 傳統控制與模糊控制
　7.2 模糊神經網絡及其應用
　　7.2.1 模糊神經網絡的概念
　　7.2.2 隸屬函數神經網絡
　　7.2.3 模糊神經網絡控制模型
　7.3 FNN對非線性多變量系統的解耦方法
　　7.3.1 FNN解耦的基本模型
　　7.3.2 FNN解耦的算法
　7.4 FC及FNN解耦算法的MATLAB仿真
　7.5 小結
　習題
第8章徑向基函數網絡
　8.1 徑向基函數網絡模型
　8.2 網絡的訓練與設計
　　8.2.1 聚類分析
　　8.2.2 動態(tài)聚類法
　　8.2.3 RBF網絡的學習算法
　8.3 徑向基神經網絡的工具箱
　　8.3.1 面向MATLAB工具箱的徑向基神經元模型
　　8.3.2 面向MATLAB工具箱的徑向基神經網絡
　　8.3.3 徑向基網絡的創(chuàng)建與學習過程
　　8.3.4 徑向基網絡的應用
　8.4 混沌時間序列建模及預測
　　8.4.1 相空間重構
　　8.4.2 非線性函數逼近方法
　　8.4.3 數值實驗
　8.5 小結
　習題
第9章反饋型神經網絡
　9.1 Hopfield神經網絡
　　9.1.1 Hopfield網絡的結構
　　9.1.2 Hopfield網絡的穩(wěn)定性
　　9.1.3 基本學習規(guī)則
　　9.1.4 Hopfield網絡的聯想特性
　9.2 反饋網絡與優(yōu)化計算
　　9.2.1 Hopfield網絡的電路模型與動態(tài)方程
　　9.2.2 Hopfield網絡的能量函數與穩(wěn)定性
　　9.2.3 Hopfield網絡的優(yōu)化計算
　9.3 Hopfield網絡的MATLAB開發(fā)
　　9.3.1 Hopfield神經網絡的工具函數
　　9.3.2 基于Hopfield網絡的數字識別
　9.4 小結
　習題
第10章支持向量機
　10.1 統計學習理論的一般概念
　　10.1.1 機器學習問題的表示
　　10.1.2 經驗風險最小化
　　10.1.3 學習機的VC維與風險界
　　10.1.4 結構風險最小化
　10.2 最優(yōu)化理論基礎
　　10.2.1 二次規(guī)劃
　　10.2.2 拉格朗日理論
　　10.2.3 二次規(guī)劃的對偶
　10.3 支持向量機
　　10.3.1 分類超平面的幾何性質
　　10.3.2 線性可分支持向量機
　　10.3.3 近似線性可分支持向量機
　　10.3.4 非線性可分支持向量機
　　10.3.5 支持向量回歸機
　10.4 支持向量機的實現
　　10.4.1 LIBSVM軟件包簡介
　　10.4.2 LIBSVM使用方法
　　10.4.3 SVM在MATLAB中的實現
　10.5 SVM在故障診斷中的應用
　10.6 小結
　習題
第11章小波神經網絡及應用
　11.1 多尺度分析
　11.2 小波變換
　11.3 小波包變換
　11.4 小波分析在信號處理中的應用
　　11.4.1 信號奇異點檢測仿真
　　11.4.2 信號消噪仿真
　11.5 小波神經網絡
　11.6 小波神經網絡在電纜故障識別中的應用
　　11.6.1 小波變換提取特征
　　11.6.2 小波神經網絡結構設計
　　11.6.3 電纜故障識別仿真
　11.7 小結
　習題
參考文獻