MATLAB神經(jīng)網(wǎng)絡(luò)30個案例分析

本書是MATLAB中文論壇神經(jīng)網(wǎng)絡(luò)版塊數(shù)千個帖子的總結(jié)，充分強(qiáng)調(diào)“案例實用性、程序可模仿性”。所有案例均來自于論壇會員的切身需求，保證每一個案例都與實際課題相結(jié)合。

讀者調(diào)用案例的時候，只要把案例中的數(shù)據(jù)換成自己需要處理的數(shù)據(jù)，即可實現(xiàn)自己想要的網(wǎng)絡(luò)。如果在實現(xiàn)過程中有任何疑問，可以隨時在MATLAB中文論壇與作者交流，作者每天在線，有問必答。

該書共有30個MATLAB神經(jīng)網(wǎng)絡(luò)的案例(含可運行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神經(jīng)網(wǎng)絡(luò)；還包含PSO(粒子群）、灰色神經(jīng)網(wǎng)絡(luò)、模糊網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、遺傳算法優(yōu)化等內(nèi)容。該書另有31個配套的教學(xué)視頻幫助讀者更深入地了解神經(jīng)網(wǎng)絡(luò)。

本書可作為本科畢業(yè)設(shè)計、研究生項目設(shè)計、博士低年級課題設(shè)計參考書籍，同時對廣大科研人員也有很高的參考價值。

-------

...

本書是MATLAB中文論壇神經(jīng)網(wǎng)絡(luò)版塊數(shù)千個帖子的總結(jié)，充分強(qiáng)調(diào)“案例實用性、程序可模仿性”。所有案例均來自于論壇會員的切身需求，保證每一個案例都與實際課題相結(jié)合。

讀者調(diào)用案例的時候，只要把案例中的數(shù)據(jù)換成自己需要處理的數(shù)據(jù)，即可實現(xiàn)自己想要的網(wǎng)絡(luò)。如果在實現(xiàn)過程中有任何疑問，可以隨時在MATLAB中文論壇與作者交流，作者每天在線，有問必答。

該書共有30個MATLAB神經(jīng)網(wǎng)絡(luò)的案例(含可運行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神經(jīng)網(wǎng)絡(luò)；還包含PSO(粒子群）、灰色神經(jīng)網(wǎng)絡(luò)、模糊網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、遺傳算法優(yōu)化等內(nèi)容。該書另有31個配套的教學(xué)視頻幫助讀者更深入地了解神經(jīng)網(wǎng)絡(luò)。

本書可作為本科畢業(yè)設(shè)計、研究生項目設(shè)計、博士低年級課題設(shè)計參考書籍，同時對廣大科研人員也有很高的參考價值。

-------

目錄

第1章 P神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——語音特征信號分類

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

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

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)

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

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

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?？蒲心芰υu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 SVM的數(shù)據(jù)分類預(yù)測——意大利葡萄酒種類識別

第13章 SVM的參數(shù)優(yōu)化——如何更好的提升分類器的性能

第14章 SVM的回歸預(yù)測分析——上證指數(shù)開盤指數(shù)預(yù)測

第15章 SVM的信息?；瘯r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16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17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18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19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20章 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21章 LVQ神經(jīng)網(wǎng)絡(luò)的分類——乳腺腫瘤診斷

第22章 LVQ神經(jīng)網(wǎng)絡(luò)的預(yù)測——人臉朝向識別

第23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24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25章 廣義神經(jīng)網(wǎng)絡(luò)的聚類算法——網(wǎng)絡(luò)入侵聚類

第26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27章 遺傳算法優(yōu)化計算——建模自變量降維

第28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29章 基于Kohonen網(wǎng)絡(luò)的聚類算法——網(wǎng)絡(luò)入侵聚類

第30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