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。

- }4 o1 Z! C7 ?" T0 V7 ?1 d! h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。
$ o9 T% c0 d! [6 y7 d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。
1 A4 m6 E0 k, I. ]
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。
3 A% J# N' X2 ]8 j, \5 S

3 ^6 M( o( H0 U* k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。
) Z0 p- _  ~# I, g6 m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。
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。
目录
0 e2 Q0 p% P* y/ `第1章BP神经网络的数据分类——语音特征信号分类
( N% O5 M5 K9 e1.1案例背景
1.1.1BP神经网络概述
/ Y* D7 k/ `4 ~4 O1.1.2语音特征信号识别
& z; @) a% ^$ \0 p1.2模型建立
8 D- X% g/ I) x- Y. G9 J% u1.3MATLAB实现
; p, R; H0 ~% Y( n. c$ ?1.3.1归一化方法及MATLAB函数
1.3.2数据选择和归一化
1.3.3BP神经网络结构初始化
; J$ [* E7 F* Z  S+ I% O1.3.4BP神经网络训练
& X/ L$ l1 O( \! F1.3.5BP神经网络分类
% T% p) N/ h( r1.3.6结果分析
1.4案例扩展
* l8 s* W3 Q' y- m4 Q, w) e" A1.4.1隐含层节点数
! i7 Q  @7 F6 t; |$ |" P" i/ ?1.4.2附加动量方法
5 o) l. S, ~6 k/ @- l1.4.3变学习率学习算法
参考文献
* T$ G5 R/ f/ a9 y第2章BP神经网络的非线性系统建模——非线性函数拟合
/ c6 Z7 N" z* y2.1案例背景
, a! S: J4 `  Y6 N1 Z& I2.2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
- L; i4 b& V6 k4 C6 S1 o2.3.3 BP神经网络训练
4 o% T2 F" _0 e% u5 D2.3.4 BP神经网络预测
2.3.5结果分析
2.4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
" H; u: g9 p0 f3 Q" h2.4.3训练数据对预测精度影响
) B. D4 H; P; g- E  ?  W  b( h2.4.4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
3.1案例背景
3.1.1遗传算法原理
" a1 t0 X+ v, z- d3.1.2遗传算法的基本要素
3.1.3拟合函数
3.2模型建立
/ K2 B, F# M! g5 b. J5 s$ ^% {3.2.1算法流程
3.2.2遗传算法实现
3.3编程实现
' \# {# ^$ M$ ~- o3.3.1适应度函数
* H6 p0 E! e3 q# v3.3.2选择操作
! a" e1 v3 o0 z! l3.3.3交叉操作
3.3.4变异操作
8 v) T- N" y, s& q: |3.3.5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
3.4案例扩展
3.4.1其他优化方法
- j: {2 W- V2 m+ M! s0 `& ^3.4.2网络结构优化
3.4.3算法的局限性
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
4.3.1 BP神经网络训练
' I# h8 o" Q* n6 X- W4.3.2适应度函数
3 C, p! l4 A7 v8 e" U$ K4.3.3遗传算法主函数
+ W! Z8 l, W% n% X4 j% C( [4.3.4结果分析
4 Y, V4 s; e4 o+ W+ Z' g4.4案例扩展
# f# x0 g% o0 {7 C5 V) T3 X4.4.1工程实例
4.4.2预测精度探讨
参考文献
1 w1 C; L) L) W' _9 y3 v2 @) g. l第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
5.1案例背景
- c/ F0 A- n! q" |5.1.1 BP—Adaboost模型
% E8 N: g8 C7 V5.1.2公司财务预警系统介绍
8 j$ B& Q# Z3 A& N' A- o. [5.2模型建立
1 |+ t8 `( D* s5.3编程实现
& m& n  V9 w! K- Y5 K" Y5.3.1数据集选择
4 l! T: p9 B/ {' j4 B5.3.2弱分类器学习分类
+ ~( D- u+ ]1 l9 c% T: F5.3.3强分类器分类和结果统计
) ]6 f( O5 W9 j5 a0 D  {1 U5.3.垂结果分析
; p- {$ y5 I  ?5 P5.4案例扩展
5.4.1数据集选择
5.4.2弱预测器学习预测
: g9 E/ G5 g* @1 u& A7 B8 P5.4.3强预测器预测
/ G9 r! M( A1 O) ~$ {2 N! S5.4.4结果分析
$ @$ Y8 C+ G0 u- L1 e( J# s+ J参考文献
5 O! U) d" e' ^" j第6章PID神经元网络解耦控制算法——多变量系统控制
; {" L0 T1 ?, H% x6.1案例背景
6.1.1 PID神经元网络结构
6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
6.2模型建立
+ }4 M- y, V( \" R$ Q! R/ T6.3编程实现
6.3.1 PID神经网络初始化
3 K% h9 s; t( p3 c: }6.3.z控制律计算
6.3.3权值修正
6.3.4结果分析
6.4案例扩展
3 @6 v8 n2 Q2 z6.4.1增加动量项
; O9 C* s: h0 U: j( W, l6.4.2神经元系数
6.4.3 PID神经元网络权值优化
8 {% T' p3 `4 _7 ?5 B( t4 s参考文献
! ^' N2 m2 a, R9 ?' t第7章 RBF网络的回归——非线性函数回归的实现
- Q& M  m" g! E" q3 W$ L) t: `7.1案例背景
7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
7.2模型建立
5 c; B. h8 u9 J6 f, f+ U7.3 MATLAB实现
* o9 d. x8 e( q+ g: |7.3.1 RBF网络的相关函数
/ x  D% ^. ]: U% C7.3.2结果分析
7.4案例扩展
7.4.1应用径向基神经网络需要注意的问题
/ P- `7 O6 h8 ]( d7.4.2 SPREAD对网络的影响
& Q2 x4 B+ X( c, A/ `参考文献
第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
8.1案例背景
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
8 o; ~% X3 o4 Z6 b& U3 t/ |& n$ N8.2模型建立
$ B* I! p. B4 ~8.3 MATLAB实现
7 O/ @/ T4 V; J8.4案例扩展
参考文献
; Y: S7 s4 H6 w6 U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
9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
9.1.3问题描述
: p* F1 D" Q/ f9.2模型建立
9.2.1设计思路
9.2.2设计步骤
! O, n9 ~& n* j9.3 Hopfield网络的神经网络工具箱函数
; `7 V) |* J) H; h5 f9.3.1 Hopfield网络创建函数
) f8 U7 z( Q' R9.3.2 Hopfield网络仿真函数
! V$ @$ a6 C/ J, a' q" v2 D9.4 MATLAB实现
9.4.1输入输出设计
3 d% n, [0 [2 F8 ]9.4.2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
6 I, @* B9 q( j; v  L9.5.2应用扩展
参考文献
' S' h) j: ]5 W( G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
: ]  ?5 k) a8 Q( `1 x  L10.1.2高校科研能力评价概述
10.1.3问题描述
10.2模型建立
3 @1 a& s# P' H9 K$ D6 r10.2.1设计思路
10.2.2设计步骤
! A- Y% j( F; N+ x% t: v2 a& L1 w10.3 MATLAB实现
4 _# a% |4 o7 A0 i  X: E) L2 Z10.3.1清空环境变量
10.3.2导人数据
10.3.3创建目标向量（平衡点）
10.3.4创建网络
1 H( h' q- D& j10.3.5仿真测试
& y8 H( q0 D# O* n% H10.3.6结果分析
8 W( j2 {$ R3 d0 n' y6 J5 t10.4案例扩展
0 A2 I& b6 H* [" Q  S1 W8 A参考文献
0 K* M3 b$ a, E) P  f4 T5 H1 J第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
$ {( B) D6 _( ]11.1案例背景
+ y! G( }4 S, x* X. J7 |0 A7 ~11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
11.1.3问题描述
11.2模型建立
  X9 `- r# t) f11.2.1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
  t$ \0 T% v  c; L' g11.3.2城市位置导入并计算城市间距离
, Z9 T* d* e; Q' p9 i6 c, a11.3.3初始化网络
. m( i5 C( {6 G: ~$ W11.3.4寻优迭代
11.3.5结果输出
5 m0 J4 x0 u3 u* s5 ^4 x- P* W11.4案例扩展
. L+ s- z5 K  N. K+ M- h' P8 \11.4.1结果比较
8 a2 H! V* B3 X5 T- S11.4.2案例扩展
参考文献
( U, L8 W* y( F4 B第12章初识SVM分类与回归
12.1案例背景
! |2 c* j. Y1 J: _3 u) k12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
0 r* P; V* e1 k. Z6 z9 A+ j12.1.3 LIBSVM工具箱在MATLAB平台下的安装
+ [. Z; ^7 O# B+ |0 l1 A12.2 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
( u. ^- ?+ C7 e6 M, N4 E: V  U12.3案例扩展
参考文献
7 Z8 |# p0 A. Z$ f4 R第13章LIBSVM参数实例详解
/ j6 n6 }0 o8 ]  v6 W/ `13.1案例背景
" G8 M6 p5 y! }, n0 p' y7 e13.2 MATLAB实现
13.3案例扩展
参考文献
' |) U( F# Q9 {& ~; f$ v第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
9 `# x: ~5 H( [6 E2 O4 p( p& g14.1案例背景
" t' W6 ~1 }5 S% _9 r3 C0 O14.2模型建立
14.3 MATLAB实现
4 Z& y/ ^. E# V" \1 i, @14 3.1选定训练集和测试集
……
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
; |$ g: P( H8 J" c$ W! u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
+ z" d1 k/ g8 T1 O' i2 H( h( a第18章基于SVM的图像分割——真彩色图像分割
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
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
第22章SOM神经网络的数据分类——柴油机故障诊断
0 g0 v" ~; v# A# C, ]& G5 U* ?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
6 z0 \6 ?& y) g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
2 M, ]8 x( L$ N2 O$ J  J3 b: f第26章LVQ神经网络的分类——乳腺肿瘤诊断
第27章LVQ神经网络的预测——人脸朝向识别
0 ?4 t+ ~8 j2 }第28章决策树分类器的应用研究——乳腺癌诊断
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
, d) @( _9 O1 @( M8 Z第31章思维进化算法优化BP神经网络——非线性函数拟合
: _! w( j0 x6 A0 \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
7 _$ \  s) \  `第34章广义神经网络的聚类算法——网络入侵聚类
' X7 v* \; z! D第35章粒子群优化算法的寻优算法——非线性函数极值寻优
( s9 [* \/ m9 t: s+ \# j: ]7 ^第36章遗传算法优化计算——建模自变量降维
/ w6 @9 {  S2 I" K2 z) }. o. I第37章基于灰色神经网络的预测算法研究——订单需求预测
6 E1 S; h3 Q; |9 k第38章基于Kohonen网络的聚类算法——网络入侵聚类
* w; S! x% s& y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
% f/ K: t1 P8 d) s第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
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
0 w, x( b/ p, g! X( h3 b1 n& G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
9 k0 s- R, \% K/ a/ f9 Z+ |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
4 l4 T/ b' q) ]$ y* U9 `& m序言
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。
& K- ~! y' S6 `2 z# h. z* F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。
* \# C" W8 C- z9 A" I, C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。
# s, Z5 \5 R1 e& @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。
' c2 s5 C4 S) P# ^* C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。

8 m/ f0 d( J% P. a6 A, y& M
MathWorks 中国教育业务发展总监
$ o% J2 p5 p: K( q" a: R. ?
陈炜博士
* V- Y$ E0 e% e0 y! x) c0 e
2013年6月于上海
, J% D0 W: s- t! I
$ _$ e% D& P4 X( T; L, B0 \
pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r


0 y5 [8 i  n+ a  m& c0 j