数学建模社区-数学中国
标题:
MATLAB神经网络43个案例分析.pdf 王小川！！！
[打印本页]
作者:
风中的漂流瓶
时间:
2015-5-5 01:09
标题:
MATLAB神经网络43个案例分析.pdf 王小川！！！
本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络
。
5 g6 ]8 a; h' x& K/ m* x
, s3 x3 q, a8 e9 q) b( T5 y7 M
本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
2 v" \+ \7 O8 @! l* {4 @7 ?2 j: z0 {5 K
使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
6 U' y- l3 c5 {
本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。
4 k6 _8 S3 H \
6 P) I8 `7 l+ H" T5 \/ j! F! T
随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（
www.matlabsky.com
）到相应书籍答疑版块免费下载。
/ W7 N& c6 d6 o1 @: x. k) E& j
2 S9 c7 p' H9 d9 c! {% @! T6 z J6 _
, n; k: w9 x1 o1 H9 T9 g
编辑推荐
* G, D7 q$ x8 \+ x" o5 [
本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
! v. t7 ], Q w7 @& \0 O6 c( E3 `' N
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
, u, Y7 ^# r/ S5 M( z
作者简介
0 Q: S- u$ ]0 M; d4 t3 n; f1 ?
王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
* G% d" C3 ^, C
目录
! T. l5 }( p/ K2 u
第1章BP神经网络的数据分类——语音特征信号分类
4 R. D) K2 g( `5 p- n
1.1案例背景
4 Z: y! K6 s: `7 w2 K
1.1.1BP神经网络概述
6 w; b( L; o+ V2 H) i; s
1.1.2语音特征信号识别
' E4 {( |) X, Q" k
1.2模型建立
0 X# c& ]" C5 M# O+ \6 P
1.3MATLAB实现
4 q8 o+ W/ r; ^# g
1.3.1归一化方法及MATLAB函数
7 `2 F, h2 v% ^$ V
1.3.2数据选择和归一化
6 g: \$ [% V {" i- ]$ S1 l
1.3.3BP神经网络结构初始化
" f$ }" _( o6 X' D+ R6 X6 D- b
1.3.4BP神经网络训练
% |/ v- W. z% D& v6 [
1.3.5BP神经网络分类
3 k! f3 }9 s4 {- I2 i
1.3.6结果分析
! X2 u, s% X( S; U" d* _# N
1.4案例扩展
4 f( O) f f" h
1.4.1隐含层节点数
+ h4 g* G: Z$ H' r o' K/ E9 O- S" E
1.4.2附加动量方法
0 D$ C% h b2 Y7 P2 T
1.4.3变学习率学习算法
5 I* | V- w, l& Q
参考文献
' R" c4 q2 ]) K9 \7 ? X
第2章BP神经网络的非线性系统建模——非线性函数拟合
( r2 T9 d! P7 w3 U( ~4 R& `
2.1案例背景
" `8 {% y: I l8 E' V4 V
2.2模型建立
& h: @8 u. e+ _" }6 a/ T/ j
2.3 MATLAB实现
* d5 i3 |9 x% U$ [& S5 B
2.3.1 BP神经网络工具箱函数
. @* `( A' I) {' u, f
2.3.2数据选择和归一化
5 W* f0 t- s& `& V: V
2.3.3 BP神经网络训练
/ L/ {# p$ i6 j# B* z9 m. W G
2.3.4 BP神经网络预测
( u0 o: q2 i. k! X0 a3 ]( _# ~9 Y
2.3.5结果分析
4 W! J+ c3 A1 J+ T, K) C
2.4案例扩展
: e9 l/ ^& {3 S( Y8 Y
2.4.1多隐含层BP神经网络
5 w4 v- `, `+ s9 N% c% \
2.4.2隐含层节点数
7 O |2 A- z: a+ A7 @" |3 K
2.4.3训练数据对预测精度影响
( ~" H* w( J! E& ?) a6 N3 S
2.4.4节点转移函数
4 a/ K; ^9 M8 o( c7 a9 j
2.4.5网络拟合的局限性
, l# E6 e6 v+ s m
参考文献
( N: {* m) ~0 N7 ~
第3章 遗传算法优化BP神经网络——非线性函数拟合
2 C0 }+ M. m9 k" c L0 M9 c9 M
3.1案例背景
6 S/ S2 v/ ]1 w8 v7 V, I; V
3.1.1遗传算法原理
5 s) u5 W' ~: x3 Z/ `$ c
3.1.2遗传算法的基本要素
( W. V, C- I. @: `$ y/ r
3.1.3拟合函数
' T. f) N! i8 Z; _6 R; i+ Y y
3.2模型建立
/ ^6 Z i$ }5 z0 S# ^$ w
3.2.1算法流程
7 X, S5 _( r k9 ~% g. A
3.2.2遗传算法实现
0 Y6 I) [! ~8 t# U( o( V
3.3编程实现
. A! f5 \# U8 U& z
3.3.1适应度函数
3 i# z$ _+ Z; N% k% R
3.3.2选择操作
- B; b* m. X1 G& U) m( R I
3.3.3交叉操作
0 ?/ t% X' i6 V" m i/ B- a8 S" E. M
3.3.4变异操作
8 E1 V. r9 n+ p5 Y
3.3.5遗传算法主函数
) G: B/ K- @& Z6 L/ @1 n2 V
3.3.6 遗传算法优化的BP神经网络函数拟合
2 B K/ V8 X# R) ]3 R1 R" T0 C
3.3.7结果分析
( ]' ?4 h9 e+ K7 @
3.4案例扩展
6 R" z% a* w/ j8 a/ ]" B
3.4.1其他优化方法
2 q8 i8 B4 o# X f7 y0 ]$ [( ]( g
3.4.2网络结构优化
2 Y$ X, l3 C. H5 q9 F) G* B
3.4.3算法的局限性
! Z9 R. t& v# D# n2 a
参考文献
4 K5 w( Y: w% Y4 Q0 k# S
第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
Q {; U3 T2 x) q2 `" t0 |4 C" z
4.1案例背景
6 X3 O- M0 @ Q/ ?
4.2模型建立
/ k, w% y6 d6 c( l9 t: N
4.3编程实现
% z1 V0 w3 J: F+ I' K) v& B# x
4.3.1 BP神经网络训练
% e S. w. M( z: b5 H
4.3.2适应度函数
7 k3 z, u; N2 I' U5 i/ Z
4.3.3遗传算法主函数
! f7 S+ _7 o1 ]4 n
4.3.4结果分析
+ E4 R# n& H# r, J. e1 s+ z$ [
4.4案例扩展
5 T0 h$ x& u( R6 u
4.4.1工程实例
( N2 @6 {; {& W' Y/ d; w
4.4.2预测精度探讨
! F9 j, l& Y% ?0 @9 U: i l: y. f
参考文献
6 y% n, n4 X8 ?. b. c, e" Y5 f
第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
3 p9 N% v& F; u/ ?4 N3 b( y
5.1案例背景
# k3 V; `& U9 p. v
5.1.1 BP—Adaboost模型
6 r9 H* m" v6 w. I3 [
5.1.2公司财务预警系统介绍
- j9 V1 L! e3 d( N: O# v
5.2模型建立
* p$ R$ h! g3 G! G
5.3编程实现
( p4 ` q- p8 E7 d
5.3.1数据集选择
9 k2 f+ p; \$ j" q! q
5.3.2弱分类器学习分类
! a9 e _ h& N: O* I4 o) t R
5.3.3强分类器分类和结果统计
3 k5 x( Q! v. @) @! V: M
5.3.垂结果分析
1 Q- E9 [. w5 T' u a
5.4案例扩展
/ N+ p7 D( [/ j/ \+ K4 v. F7 ]
5.4.1数据集选择
( f V. s- c- F5 [/ t- v+ x
5.4.2弱预测器学习预测
" S9 y, ~2 C; m, M: u2 ^3 U' \% `
5.4.3强预测器预测
: V$ @2 ], d5 P r
5.4.4结果分析
4 ?, X- Q, _# F
参考文献
! w. A& z0 e% F% m( a
第6章PID神经元网络解耦控制算法——多变量系统控制
7 _& |' ^; n2 ~! I, R) c$ x
6.1案例背景
+ Q! q u% \& Q) J* \
6.1.1 PID神经元网络结构
6 E: h0 ~2 ~+ d" P, _
6.1.2控制律计算
" X6 C% a2 S/ y) @5 m# }) J
6.1.3权值修正
2 }/ `6 e+ N5 F. ^! [
6.1.4控制对象
2 F l: |' f' j; Y; p6 v* W. N' a& x
6.2模型建立
6 B4 k9 V* y' v, m% B( V7 r
6.3编程实现
0 ?) V% q0 Z2 |& D4 X
6.3.1 PID神经网络初始化
3 m9 L6 B0 @& H# r
6.3.z控制律计算
U/ p1 r# }- f) r4 T/ R$ K
6.3.3权值修正
7 q* d/ z" l! n2 v. T
6.3.4结果分析
- _: N; z! F I3 A
6.4案例扩展
- y+ m0 H. W1 i$ ~# m5 R2 i8 F, t
6.4.1增加动量项
0 b0 s; ~& ?; i7 l- R
6.4.2神经元系数
+ Q, M' d+ T4 ?, t7 e& v! s
6.4.3 PID神经元网络权值优化
5 e. j8 q1 q# ^6 i9 w
参考文献
9 p; H# [7 S7 P) ]: N; O
第7章 RBF网络的回归——非线性函数回归的实现
% b# L" |6 C) a$ O& k: E4 i
7.1案例背景
1 s, e% v7 X F
7.1.1 RBF神经网络概述
& [& z+ e6 }* _- E" P+ j# h
7.1.2 RBF神经网络结构模型
( F- I" @& u5 e. t6 a7 y
7.1.3 RBF神经网络的学习算法
; P( O% @2 e& @9 F3 s" i4 u
7.1.4曲线拟合相关背景
2 Q3 Y0 r& O. ^& C$ Z0 A H8 P3 f
7.2模型建立
0 M6 I, U5 O/ n V* u
7.3 MATLAB实现
- `# ? D- k/ c9 P& k4 V- Q
7.3.1 RBF网络的相关函数
& O$ X5 |1 y3 \4 ^7 R6 w+ u
7.3.2结果分析
2 V' j! e) ? f& `6 b C
7.4案例扩展
% P& p/ S# X$ T; z0 D; i
7.4.1应用径向基神经网络需要注意的问题
- c9 s/ I1 x' [2 b9 P7 ]
7.4.2 SPREAD对网络的影响
8 a0 Q" P8 K( [* y
参考文献
9 m: r6 c# T& p8 p
第8章 GRNN的数据预测——基于广义回
2 B' Q+ S7 r! F3 E- x$ a
归神经网络的货运预测
6 ~; v1 E1 B7 |5 W% N
8.1案例背景
& s: d- E6 K: y" q9 D1 k! y
8.1.1 GRNN神经网络概述
# K" C7 S) Z6 h: k& a: [
8.1.2 GRNN的网络结构
6 A# f S" S3 h4 Q7 i" P- l A
8.1.3 GRNN的理论基础
0 `+ D6 D2 {$ S5 D9 I, O S
8.1.4运输系统货运量预测相关背景
. U7 r8 a8 Q4 D6 C" L6 J& U
8.2模型建立
+ }2 ~# j: {2 N- Z9 S/ i s
8.3 MATLAB实现
0 n4 o W7 \$ }& W6 g4 [
8.4案例扩展
5 K4 q4 D& Z. {
参考文献
/ f+ z, L$ d% ~2 Y! R
第9章 离散Hopfield神经网络的联想记忆——数字识别
2 v. A( x" h! v5 d
9.1案例背景
K B5 u" g$ P0 G
9.1.1离散Hopfield神经网络概述
# U$ M# G8 H5 u: K
9.1.2数字识别概述
0 Y4 U/ a! `% Q
9.1.3问题描述
) A$ l( r- i9 E4 ]* x
9.2模型建立
6 P. g! c* g7 y( L: V
9.2.1设计思路
0 g" E" ^$ S) \4 ~( G; a
9.2.2设计步骤
% Y2 }% o( L1 A5 [2 S- T6 I
9.3 Hopfield网络的神经网络工具箱函数
* w3 y1 `, c" k4 W! t. f0 d
9.3.1 Hopfield网络创建函数
! S. K8 D) t1 b1 ]& s; x, D' H
9.3.2 Hopfield网络仿真函数
% q& s5 A' K! O4 }" M2 T$ s& U
9.4 MATLAB实现
6 Y& W/ l9 t& f1 r' m1 o3 g# n5 Y1 Z
9.4.1输入输出设计
O! K& l: Y3 Z) q. S2 @$ E
9.4.2网络建立
P9 Y8 g' l& ^7 ?, w: N
9.4.3产生带噪声的数字点阵
( }! I3 h0 t% Z, y+ G8 n$ M
9.4.4数字识别测试
. Z5 L7 g4 S$ [. N
9.4.5结果分析
7 O, ~3 Q. ~" A9 i( ?& }
9.5案例扩展
! t$ y2 F4 O$ i+ C
9.5.1识别效果讨论
2 x- H B( }( \% D3 W' c3 H8 Y
9.5.2应用扩展
9 J9 d6 o& M8 g; \# t/ c0 `# N/ M
参考文献
; z( y# |5 w/ F2 V$ o3 c
第10章 离散Hopfield神经网络的分类——高校科研能力评价
7 A0 d% l" E2 z0 B3 K, o9 y* A* u
10.1案例背景
& t9 f7 n% [5 u0 @
10.1.1离散Hopfield神经网络学习规则
8 `0 P/ y# F# z: S0 D1 a8 J
10.1.2高校科研能力评价概述
3 p; l7 L; N) ^$ S, q
10.1.3问题描述
% X) o( m4 A% q9 s; q# W [& u/ p
10.2模型建立
6 G' C: T% B' C! _1 [2 O5 d `5 f
10.2.1设计思路
' N3 w0 i5 D' i9 j; s0 r( r7 S
10.2.2设计步骤
B9 S6 R1 G8 m+ I" u% x
10.3 MATLAB实现
) F2 S. `! h* e& `; D
10.3.1清空环境变量
" a; W# \. S" }( ~# _
10.3.2导人数据
% q3 g' u! k& z2 [0 A* k R# K9 Z9 t
10.3.3创建目标向量（平衡点）
: I2 Q( S; O, U! x3 u+ z$ f, ^" A' L
10.3.4创建网络
" V u0 I* p* f4 I( C1 V8 q8 z. E9 D" P
10.3.5仿真测试
% l6 s6 t+ v7 B% k' v9 ?* w
10.3.6结果分析
A7 ^0 X7 c; Y1 O7 Q) B1 ]
10.4案例扩展
& L; q6 Z, C. q+ y! m( j; s
参考文献
: J" g G3 W$ `9 n8 K% e. [
第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
& Q: B) P9 i# L
11.1案例背景
. f8 M; {! `- e( |
11.1.1连续Hopfield神经网络概述
2 I( y% w3 l: N2 v
11.1.2组合优化问题概述
, d: ], G) y" }8 ?' E: A q
11.1.3问题描述
0 s) Y. b! s6 B& X, @: i0 `& L
11.2模型建立
7 R) H9 P6 X7 q) u+ p$ t
11.2.1设计思路
i3 r* \6 ~( k: J5 }' G
11.2.2设计步骤
. u& |0 J: @* H; g$ q
11.3 MATLAB实现
0 S9 ?6 H' G8 H; Z5 r
11.3.1清空环境变量、声明全局变量
5 R! F& R8 T5 B; {. `1 _
11.3.2城市位置导入并计算城市间距离
1 x M+ n* a- o( e9 e; @5 H) c& B
11.3.3初始化网络
6 U% \: j/ K/ c6 b" C
11.3.4寻优迭代
: ~7 Q7 h3 M/ B+ l- m
11.3.5结果输出
( z! ^! R- B, Z
11.4案例扩展
" ^* ?# G1 y0 R, W* b( q
11.4.1结果比较
& G7 ?. k, @( c+ c( H
11.4.2案例扩展
% v5 T& M2 \/ `4 F2 ?/ C/ p' m
参考文献
8 N$ f1 k+ t* J
第12章初识SVM分类与回归
. _1 Q7 d. ?! K- S6 M
12.1案例背景
% I5 b, v9 e, S: U0 c
12.1.1 SVM概述
; P- B4 Y' q# a3 c0 I
12.1.2 LIBSVM工具箱介绍
* p3 M5 q, \, a& `" \
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
5 A N3 i, I5 u/ K! [7 r
12.2 MATLAB实现
8 P/ i7 F. e. w- c a! W
12.2.1使用LIBSVM进行分类的小例子
+ a! ^8 ~' x7 Z9 x7 ~# w
12.2.2使用LIBSVM进行回归的小例子
6 `+ p% U) q+ F* S6 l# M0 f9 U8 M
12.3案例扩展
b/ J) q3 m1 N8 j0 X; K$ _0 M; [, S
参考文献
# c: {4 j5 w9 K% ^% _6 b; J
第13章LIBSVM参数实例详解
% Z# ~; R3 P- A. _/ [' r% I
13.1案例背景
5 a6 b; E( b4 \! m8 ?
13.2 MATLAB实现
7 J0 M- ]4 H. n1 a
13.3案例扩展
& X6 f$ R9 h# Z, s& m
参考文献
* z+ Y4 j: N; m+ {; x! h4 w
第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
7 b$ S( b& Y0 }, Z; T! k: y
14.1案例背景
/ z. m! d5 i1 ]. i. v0 J
14.2模型建立
4 c5 W1 L: H" [; N1 q
14.3 MATLAB实现
+ Q; `# q2 E5 {' ?) P$ Q8 r
14 3.1选定训练集和测试集
6 X3 m" X! p8 n) S- y2 l0 \8 W
……
1 L% Y! i9 R/ ^+ y$ m+ s) ?
第15章SVM的参数优化——如何更好地提升分类器的性能
- e% v/ E2 C. [5 T4 V! T
第16章基于SVM的回归预测分析——上证指数开盘指数预测
9 i4 R+ Y# t' W7 p- r9 I) I
第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
/ G N' M# ]5 a; k$ f4 j" [, v+ o# q& q
第18章基于SVM的图像分割——真彩色图像分割
1 l* c1 A1 D8 j# x' h! o% j
第19章基于SVM的手写字体识别
! x! H2 i, ]1 n: w+ Z) M
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
7 X. i: ]- z: i$ S G; v+ d
第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
% W" w2 v8 ]! U! @3 _
第22章SOM神经网络的数据分类——柴油机故障诊断
, ^1 j1 Q. s4 e' ]# D$ H3 Q
第23章Elman神经网络的数据预测——电力负荷预测模型研究
% _7 {% Z, w' B9 e( J; [3 k/ i
第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
- z0 N1 b! c6 F; g# r# S& `8 d+ b" n1 N
第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
4 s9 Y7 }- o6 K# V4 f( C+ N0 O5 C' h
第26章LVQ神经网络的分类——乳腺肿瘤诊断
+ p' ?; R, v+ _, y
第27章LVQ神经网络的预测——人脸朝向识别
7 \) v. }: K- B C1 z
第28章决策树分类器的应用研究——乳腺癌诊断
3 C5 e9 y: {9 T" y
第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
: F' R6 f+ x0 U
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
1 D7 H$ e x4 e& |9 g( V- J; F
第31章思维进化算法优化BP神经网络——非线性函数拟合
+ \, r& l# E9 y' r2 E; [
第32章小波神经网络的时间序列预测——短时交通流量预测
; O( z A6 V5 N7 A
第33章模糊神经网络的预测算法——嘉陵江水质评价
" K+ W$ ]0 T, z( }3 P
第34章广义神经网络的聚类算法——网络入侵聚类
! _ u* t) A! t, \8 L
第35章粒子群优化算法的寻优算法——非线性函数极值寻优
( C8 ]9 {& x3 G
第36章遗传算法优化计算——建模自变量降维
* r3 h9 g2 n7 h% i M
第37章基于灰色神经网络的预测算法研究——订单需求预测
1 x9 |4 u( p; r1 l: I
第38章基于Kohonen网络的聚类算法——网络入侵聚类
, F$ L# C% O8 w d) B
第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
# ?4 K; H" u: y
第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
8 T! |/ i4 s) N9 m) U5 N
第41章定制神经网络的实现——神经网络的个性化建模与仿真
# v& i9 }9 i3 v4 h3 \
第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
/ f# r$ V) ^/ L+ V$ `
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
8 D( L( h. h* l
序言
% b! v% R5 k3 s. y0 A& ^8 S! c
序言
! N1 V' Y' ~# q% ^! D
很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
- g$ ]8 ]7 H- Z5 A. c& Z
我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
! h6 N( d: X2 b! U8 r$ b1 {
本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
3 F) ^7 F5 f( w: N- T- j1 z3 O
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
6 ]2 v2 b' R" e- d) s
因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。
( h, F0 T( `3 b/ d* Q4 Z
3 V, g7 \( V! ]% ?
' {4 w3 x& n$ ?4 {# f
MathWorks 中国教育业务发展总监
" E4 E7 `% f7 Y8 b: b
7 M4 w/ j- I* d0 O- I$ b
陈炜博士
3 O" S! q5 S: C( Q6 V4 I. y2 ?
) z* K! h6 [" f; H& Z
2013年6月于上海
, p4 [& b8 a4 Q9 \& P) P
7 t8 c4 t# L$ h8 d4 F6 N
9 H* Q9 C4 _8 w! v; @( L
pdf 链接:
http://pan.baidu.com/s/1qW2obyG
密码: lc6r
6 b& G8 ]3 Q Z: w3 W- n% |* e q
数据程序 链接:
http://pan.baidu.com/s/1qW2obyG
密码: lc6r
" g# F! W( Y7 u. U
# w" S, w5 s( S" C$ C
v, y5 F& }( W- _" \8 o4 \; v* d
$ n+ S9 m! @3 ?' @
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5
