包邮 MATLAB神经网络分析及应用

作者：顾艳春著

出版社：清华大学出版社出版时间：2024-12-01

开本：其他页数： 284

本类榜单：计算机/网络销量榜

中图价:¥52.1(7.6折) 定价 ~~¥69.0~~ 登录后可看到会员价

加入购物车收藏

开年大促， 全场包邮

?新疆、西藏除外

本类五星书更多>

>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

¥14.4¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥44.1¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥56.2¥69
>
第一行代码Android

第一行代码Android

¥55.4¥99
>
JAVA持续交付

JAVA持续交付

¥58.1¥119
>
EXCEL最强教科书(完全版)(全彩印刷)

EXCEL最强教科书(完全版)(全彩印刷)

¥31.1¥69.9
>
深度学习

深度学习

¥92.4¥168

商品详情
商品评论(0条)

中图价:¥52.1 加入购物车

版权信息
本书特色
内容简介
目录

MATLAB神经网络分析及应用版权信息

ISBN：9787302677413
条形码：9787302677413 ; 978-7-302-67741-3
装帧：平装-胶订
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
操作系统/系统开发
>
其他

MATLAB神经网络分析及应用本书特色

本书以MATLAB R2023b为平台编写，以实际应用为背景，以“理论公式经典应用”相结合的形式，深入浅出地介绍MATLAB神经网络经典分析与应用，重点介绍各种神经网络的经典应用。
?版本先进，功能新颖 MATLAB更新的同时，神经网络工具箱随之更新换代，许多旧的函数被新的函数替换。本书基于MATLAB R2023b平台编写，介绍了该版本下的神经网络工具箱的使用方法。
?由浅入深，循序渐进从*简单的感知器到复杂的自组织竞争网络，再到深度神经网络等内容，均对其进行了介绍。通过相应的实例来巩固原理、概念。结合实际性，重点讲解常用的网络。
?实例丰富，贴近实际在讲解MATLAB神经网络应用时，精心选择了有代表性的实例。每章均提供了贴近工程实践的案例，便于读者了解实际应用。
?图文并茂，全面解读丰富的代码实例及运行效果图，原理分析通俗易懂，采用MATLAB编程实现了部分简单的神经网络，有利于加深读者对神经网络的理解。
?实例丰富，便于教学为了便于教师教学，提供教学课件、程序代码等教学资料。

MATLAB神经网络分析及应用内容简介

"《MATLAB神经网络分析及应用》以MATLAB R2023b为平台，以实际应用为背景，采用“理论+公式+经典应用”相结合的形式，深入浅出地讲解MATLAB神经网络经典分析与应用。全书共11章，主要包括为什么神经网络应用广泛、MATLAB快速入门、感知器分析与应用、线性神经网络分析与应用、BP神经网络分析与应用、RBF神经网络分析与应用、反馈神经网络分析与应用、竞争型神经网络分析与应用、神经网络的Simulink应用、自定义神经网络、深度神经网络的分析与应用。通过学习本书，读者可以认识到神经网络在各领域中的广泛应用，可以领略到利用MATLAB实现神经网络的方便、快捷、专业性强等特点。《MATLAB神经网络分析及应用》可作为神经网络领域初学者和提高者的学习资料，也可作为高等院校相关课程的教材，还可作为广大科研人员、学者、工程技术人员的参考用书。"

MATLAB神经网络分析及应用目录

第1章神经网络应用广泛的原因11.1　人工神经网络的定义11.1.1　神经网络基本概述11.1.2　人工神经元的基本特征11.1.3　人工神经元的特点与优越性21.2　人工神经网络的类型21.2.1　单层前向网络31.2.2　多层前向网络31.2.3　反馈网络41.2.4　竞争型神经网络41.2.5　深度神经网络41.3　人工神经网络的应用51.4　神经网络的发展史51.4.1　模型提出6第1章神经网络应用广泛的原因11.1　人工神经网络的定义11.1.1　神经网络基本概述11.1.2　人工神经元的基本特征11.1.3　人工神经元的特点与优越性21.2　人工神经网络的类型21.2.1　单层前向网络31.2.2　多层前向网络31.2.3　反馈网络41.2.4　竞争型神经网络41.2.5　深度神经网络41.3　人工神经网络的应用51.4　神经网络的发展史51.4.1　模型提出61.4.2　冰河期61.4.3　反向传播引起的复兴61.4.4　第二次低潮71.4.5　深度学习的崛起71.5　神经网络学习8第2章 MATLAB快速入门102.1　MATLAB功能及发展102.1.1　MATLAB常用功能102.1.2　MATLAB的发展112.2　MATLAB R2023b集成开发环境 112.3　帮助命令122.4　MATLAB桌面基础知识142.5　MATLAB语言基础152.5.1　命令输入152.5.2　矩阵和数组162.5.3　数据类型302.5.4　基本运算352.5.5　循环及选择结构38第3章感知器分析与应用423.1　单层感知器423.1.1　单层感知器模型423.1.2　单层感知器结构433.1.3　创建感知器443.1.4　感知器学习规则453.1.5　训练463.2　感知器的限制503.3　离群值和归一化感知器规则503.4　感知器工具箱函数503.5　感知器的应用533.6　多层感知器分析与应用59第4章线性神经网络分析与应用634.1　线性神经网络与感知器的区别634.2　线性神经网络原理634.2.1　线性神经网络模型634.2.2　线性神经网络结构644.2.3　线性滤波器654.2.4　自适应线性滤波网络664.2.5　学习规则664.2.6　网络训练684.3　线性神经网络函数704.4　线性神经网络的实现77第5章 BP神经网络分析与应用875.1　BP神经网络原理875.1.1　BP神经网络模型875.1.2　BP神经网络的流程885.1.3　BP神经网络的训练915.1.4　BP神经网络功能945.2　BP神经网络设计945.2.1　网络的层数945.2.2　隐藏层的神经元数945.2.3　初始值的选取955.2.4　学习速率955.3　BP神经网络函数955.4　BP神经网络的应用1025.4.1　BP神经网络在数据预测中的应用1025.4.2　BP神经网络在函数逼近中的应用1045.4.3　BP神经网络的工具箱拟合数据应用1075.4.4　BP神经网络在语音特征信号识别中的应用115第6章 RBF神经网络分析与应用1216.1　RBF神经网络模型1216.1.1　RBF神经网络的思想1226.1.2　RBF神经网络的工作原理1226.2　RBF解决插值问题1226.2.1　插值概述1236.2.2　完全内插存在的问题1246.2.3　正则化理论1246.2.4　正则化RBF1256.2.5　广义RBF网络1256.3　RBF学习算法1276.4　RBF网络工具箱函数1286.5　RBF网络的应用131第7章反馈神经网络分析与应用1427.1　静态与反馈网络1427.2　Elman神经网络1457.2.1　Elman神经网络特点1457.2.2　Elman神经网络结构1457.2.3　Elman神经网络的学习过程1457.2.4　Elman神经网络的应用1467.3　离散Hopfield神经网络1537.3.1　Hopfield神经网络结构1547.3.2　网络的工作方式1567.3.3　网络的稳定1567.3.4　联想记忆1567.3.5　Hebb学习规则1597.4　连续Hopfield神经网络1607.4.1　连续Hopfield神经网络的稳定性1607.4.2　连续Hopfield神经网络的实现161第8章竞争型神经网络分析与应用1678.1　竞争型神经网络1678.2　自组织神经网络1698.2.1　自组织竞争学习1708.2.2　自组织竞争学习规则1708.2.3　联想学习规则1718.2.4　自组织神经网络的原理1748.2.5　自组织神经网络实现1758.3　自组织特征映射网络1768.3.1　拓扑结构1768.3.2　SOM权值调整1778.3.3　Kohonen算法步骤1778.3.4　自组织映射网络的实现1788.4　使用自组织映射对数据进行聚类 1818.5　学习向量量化神经网络1858.5.1　量化的定义1868.5.2　LVQ神经网络1868.5.3　LVQ网络算法1878.5.4　LVQ网络的实现1878.6　对偶传播神经网络1908.6.1　网络结构与运行原理1908.6.2　学习算法1918.6.3　改进CPN1918.6.4　CPN实现1928.7　自适应共振理论网络1958.7.1　ARTⅠ型网络1968.7.2　ARTⅠ型网络学习过程1978.7.3　ARTⅠ型网络的应用198第9章神经网络的Simulink应用2019.1　Simulink神经网络模块2019.1.1　神经网络模块2019.1.2　模块的生成2089.2　基于Simulink的神经网络的控制系统2119.2.1　神经网络模型预测控制2119.2.2　反馈线性化控制2159.2.3　模型参考控制218第10章自定义神经网络22110.1　自定义神经网络概述22110.1.1　创建网络22210.1.2　网络的初始化和训练23210.2　自定义函数23510.2.1　初始化函数23510.2.2　学习函数23610.2.3　仿真函数238第11章深度神经网络分析与应用24011.1　卷积神经网络24011.1.1　卷积神经网络的结构24011.1.2　卷积神经网络的训练24111.1.3　卷积神经网络的算法24211.1.4　卷积神经网络的实现24411.2　循环神经网络24711.2.1　循环神经网络的特点24711.2.2　循环神经网络的原理24811.2.3　损失函数24811.2.4　梯度求解24911.2.5　循环神经网络的实现25011.3　长短期记忆网络25311.3.1　LSTM基本单元结构25311.3.2　LSTM的应用255参考文献270

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐