MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

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。
9 r% Y. z/ B, A6 {+ Z
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。
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。
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。
+ E* z# c' `0 y. B5 {, S" ~6 p
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。


编辑推荐
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。
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。
" K4 z; K0 o: |作者简介
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。
* q4 H3 O" m  l: ?/ R% F4 j/ o目录
, N3 _! H  l6 `9 [$ v第1章BP神经网络的数据分类——语音特征信号分类
. ]3 D* A8 E; P1 @. R2 p- W1.1案例背景
) `8 h0 e" x+ n* i  ^1.1.1BP神经网络概述
1.1.2语音特征信号识别
1.2模型建立
1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
8 P; [" {) [, X1.3.2数据选择和归一化
' g- k# q$ C7 E+ c- h1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
1.3.5BP神经网络分类
$ O) r1 U5 Q' C6 ?7 _/ V7 L1.3.6结果分析
9 y, e# h, x  }0 p! b! K1.4案例扩展
1.4.1隐含层节点数
& P$ I2 ~2 C1 L# ?/ Q: k0 U* y: x1.4.2附加动量方法
1.4.3变学习率学习算法
参考文献
, |% d2 l0 Y2 ]第2章BP神经网络的非线性系统建模——非线性函数拟合
9 f2 l! o8 J' d8 v9 o2.1案例背景
2.2模型建立
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
2.3.3 BP神经网络训练
2.3.4 BP神经网络预测
( i  d; z$ O& x2 g2.3.5结果分析
( Z2 N* C) R8 o' ^  S8 S2.4案例扩展
2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
2.4.4节点转移函数
2.4.5网络拟合的局限性
参考文献
第3章 遗传算法优化BP神经网络——非线性函数拟合
9 c0 h5 w# P) _6 a) t/ h+ ?3.1案例背景
! U4 D- S/ U' [. ?* q, F+ k3.1.1遗传算法原理
& ^+ @! A% L9 ~8 Y# [3.1.2遗传算法的基本要素
3.1.3拟合函数
3.2模型建立
3.2.1算法流程
3.2.2遗传算法实现
; X4 b8 S( E! o$ ^- [3.3编程实现
9 y& M4 E4 g( W; J. {4 D3.3.1适应度函数
$ i2 f4 w8 F4 o) ]9 f3.3.2选择操作
& [6 G# h9 y+ d7 t6 f' r3 J5 x3.3.3交叉操作
3.3.4变异操作
# m( u. y  e7 U3.3.5遗传算法主函数
3.3.6 遗传算法优化的BP神经网络函数拟合
3.3.7结果分析
$ X0 }- \& S6 G, Z" h3.4案例扩展
# c, Y" A" N2 E8 P. G- \) i" ?3.4.1其他优化方法
. d7 O- G" g9 a# ?3.4.2网络结构优化
3.4.3算法的局限性
8 x  v& b6 E$ [  F% c参考文献
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
4.1案例背景
4.2模型建立
4.3编程实现
/ W9 \  T; @' Y1 c4.3.1 BP神经网络训练
4.3.2适应度函数
! [$ H0 B, ]0 e. C; ~- ?4.3.3遗传算法主函数
4.3.4结果分析
7 o% m' E9 N4 b" }8 n4.4案例扩展
4.4.1工程实例
8 _4 N3 Z, [. S3 ?1 F4.4.2预测精度探讨
参考文献
第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
  P6 Y. C3 S7 {* B: M2 P6 Z, z: X5.1案例背景
- Y& k: m" A3 g0 R/ ~; y' I2 `5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
5 R( {/ Q6 x6 L, l" x+ U- a/ ]0 ~* Y% l+ F5.2模型建立
5.3编程实现
* }& u! R4 n8 g' b2 G& B% A6 D5.3.1数据集选择
5.3.2弱分类器学习分类
5.3.3强分类器分类和结果统计
4 a; T0 |' p0 i6 v1 m* t5.3.垂结果分析
1 ?* Z# \6 ^4 A5.4案例扩展
5.4.1数据集选择
; O8 v2 A7 b- e1 n5.4.2弱预测器学习预测
+ Q2 t! e; h8 e7 U# l  P' ]4 @9 o5.4.3强预测器预测
5.4.4结果分析
参考文献
第6章PID神经元网络解耦控制算法——多变量系统控制
6.1案例背景
6.1.1 PID神经元网络结构
! b; @1 P9 s6 Y) a" B/ h- ]9 C6.1.2控制律计算
6.1.3权值修正
4 m9 ]6 X& y. d1 f7 e/ N, E7 Z6.1.4控制对象
( ~2 N+ p" M0 _9 g, b6.2模型建立
8 R0 h* V4 w4 Q9 }6.3编程实现
6.3.1 PID神经网络初始化
0 r1 ?/ D- @  l+ K9 e9 Q- C. K, k9 V6.3.z控制律计算
6.3.3权值修正
+ w% M- N5 L7 {1 S7 T2 a6.3.4结果分析
& `0 _: Z/ S  v1 U  h) i/ W8 U6.4案例扩展
) q% C4 b9 \+ K; _. x6.4.1增加动量项
6.4.2神经元系数
1 d1 `& _7 X. J) w8 O7 ]: l6.4.3 PID神经元网络权值优化
4 F* g& T7 q7 @- T参考文献
第7章 RBF网络的回归——非线性函数回归的实现
7.1案例背景
8 z( w# G" r+ x. u+ ?( g7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
" E3 v) ?" A6 V! k% n7.1.3 RBF神经网络的学习算法
. H. U( E* n' s6 R+ c9 ?7 O4 M7.1.4曲线拟合相关背景
7.2模型建立
7.3 MATLAB实现
7.3.1 RBF网络的相关函数
" B9 E: Z1 r& J5 Y1 d- s9 |9 |7.3.2结果分析
7.4案例扩展
- U/ O* M" H8 m! p1 v1 R7.4.1应用径向基神经网络需要注意的问题
5 W, J: K6 _* U1 C* N* i* J% [& B7.4.2 SPREAD对网络的影响
+ b& c3 P; `$ Q/ L" i+ [# y参考文献
第8章 GRNN的数据预测——基于广义回
' p3 x1 K8 a# N5 j. Y6 }归神经网络的货运预测
7 ?& ~' u, z+ |2 k4 x1 r: D8.1案例背景
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
+ p0 z. K7 W, f. R- i8.1.3 GRNN的理论基础
' V9 F/ W& J, p8 {1 k0 R) v* y8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
8.4案例扩展
; G: [# q  A& t; C3 f7 F& U参考文献
第9章 离散Hopfield神经网络的联想记忆——数字识别
9.1案例背景
+ I- W, `# [3 K# A% D/ ~% p9.1.1离散Hopfield神经网络概述
' Y9 C$ |( Y. S3 w; Q" f9.1.2数字识别概述
9.1.3问题描述
& O% I# _9 B. Y: Z: D# b9.2模型建立
9 b* \4 M; `+ I4 f9.2.1设计思路
9.2.2设计步骤
( E0 U8 n$ m- C" `9.3 Hopfield网络的神经网络工具箱函数
9.3.1 Hopfield网络创建函数
0 D  A4 K9 v8 Y0 x! `9.3.2 Hopfield网络仿真函数
" `1 Z# _- W. A( H4 D. ]9.4 MATLAB实现
# k0 l, r. t+ r- J: F1 Q  I9.4.1输入输出设计
# t% L9 r8 j' w+ M0 m( q$ X9.4.2网络建立
9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
9.4.5结果分析
9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
参考文献
第10章 离散Hopfield神经网络的分类——高校科研能力评价
10.1案例背景
10.1.1离散Hopfield神经网络学习规则
, T" t2 Q! r, T10.1.2高校科研能力评价概述
10.1.3问题描述
10.2模型建立
. q( K- }* `  H10.2.1设计思路
10.2.2设计步骤
. h( d4 R2 T, B& X7 p  S8 q+ p8 J& {10.3 MATLAB实现
% f6 p6 b  ^$ x! Y10.3.1清空环境变量
4 v7 f. y" t4 r& G( S$ }$ [- N10.3.2导人数据
10.3.3创建目标向量（平衡点）
( ^' ]$ y; |$ I; X4 z10.3.4创建网络
10.3.5仿真测试
10.3.6结果分析
. V  {4 ^/ l2 p8 O- N10.4案例扩展
参考文献
' A' n) N! \" }0 U第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
11.1案例背景
4 z7 B3 j( O) P  e; R4 x& s$ {11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
& j+ V0 z: a. \# n11.1.3问题描述
- L5 a7 R( i# M2 Q# n6 |11.2模型建立
5 F$ i8 L8 P& }! Q: G3 j# H11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
, u, w  {5 _& T" p& z11.3.2城市位置导入并计算城市间距离
/ z# ?, |  w* l% |+ B5 g11.3.3初始化网络
11.3.4寻优迭代
11.3.5结果输出
11.4案例扩展
11.4.1结果比较
! d$ m$ r2 j1 Y  R) Z11.4.2案例扩展
, d# d3 [8 q( u# o9 X; S参考文献
! m' g" x# Y* u2 f9 E; e8 ]& o第12章初识SVM分类与回归
! K: G8 Z& `: V7 u: _! q3 x  K. U12.1案例背景
12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
* |2 k# H4 @* D, @1 Z8 [0 M) {12.1.3 LIBSVM工具箱在MATLAB平台下的安装
' }2 \; h) N3 F; W' j0 B- `12.2 MATLAB实现
12.2.1使用LIBSVM进行分类的小例子
12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
! O" }! }; N8 H  Y参考文献
6 g- Y9 u* V5 L5 ]$ @第13章LIBSVM参数实例详解
13.1案例背景
4 z: y' M- _) `% t. c9 {7 d. x13.2 MATLAB实现
  m- a0 V+ Z+ e+ D- J5 f! |; `3 P% f; P13.3案例扩展
- ]8 p# ?' d% M7 G8 |8 b参考文献
8 X' z: }. V; L, i) q- Q第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
14.1案例背景
& Z9 f( @: G+ b- J1 C% _% s! t14.2模型建立
6 M% h- a! b+ U9 t% O14.3 MATLAB实现
14 3.1选定训练集和测试集
/ E6 D3 B! w& w6 ]1 h# O……
第15章SVM的参数优化——如何更好地提升分类器的性能
第16章基于SVM的回归预测分析——上证指数开盘指数预测
# U9 R# f% O3 l( t8 p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
第18章基于SVM的图像分割——真彩色图像分割
1 {* g# o: R, i/ v; `第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
! {* i1 K- a& E+ S" p* l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
& d& v4 ?4 O5 b7 `9 ~第22章SOM神经网络的数据分类——柴油机故障诊断
第23章Elman神经网络的数据预测——电力负荷预测模型研究
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
7 z/ q; Q! J7 ^* w+ F/ o8 A8 a5 W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
第26章LVQ神经网络的分类——乳腺肿瘤诊断
1 z' P* E; P7 N0 j% T9 I第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
: S6 d# @# E- K- l6 e  E  E/ ?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
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
第31章思维进化算法优化BP神经网络——非线性函数拟合
5 f' f7 q# t6 q7 o2 Z第32章小波神经网络的时间序列预测——短时交通流量预测
第33章模糊神经网络的预测算法——嘉陵江水质评价
. I3 r& W* z+ L, T3 Y第34章广义神经网络的聚类算法——网络入侵聚类
第35章粒子群优化算法的寻优算法——非线性函数极值寻优
第36章遗传算法优化计算——建模自变量降维
第37章基于灰色神经网络的预测算法研究——订单需求预测
第38章基于Kohonen网络的聚类算法——网络入侵聚类
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
: _5 i4 O/ B- ^$ }1 g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 G! i% I  i0 K2 }5 f! N. g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
2 ^  D  n. D3 b$ o9 {9 `* K0 ^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
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
序言
序言
& R( r* b( u- t9 A, ^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。
( \  ^& @* I/ |$ m* {& [( `- g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。
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。
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。
! q. |+ P% z" G1 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。


$ g( X! T3 @$ Y0 ?8 V2 v! S8 HMathWorks 中国教育业务发展总监

陈炜博士
# B" c5 ^9 K- s( {+ M
0 ?% h7 e* Y# c1 s2013年6月于上海

! _2 ?1 I7 z6 p% h% m
pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
  C1 N# o  ~0 U数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
" ?: x4 g) D3 R! ?