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。
" N' v3 e- L- V
7 }2 E* [8 r9 {$ p7 q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。
: h& g9 n% T2 _9 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。
4 }- W' a# N" h  T  B4 T
) R5 i9 @; d4 ~. C
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。
6 e: V) j+ ?2 b$ p* b/ a" [, {* y. `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
第1章BP神经网络的数据分类——语音特征信号分类
1.1案例背景
, B4 z. e! K* w, n- W* V; M1.1.1BP神经网络概述
1.1.2语音特征信号识别
+ h8 i$ d  D9 L8 l1.2模型建立
$ z* u4 G1 b. Z( c7 i# F: j( ~5 r1.3MATLAB实现
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
4 Z8 J1 \. z2 g0 E3 }( T0 O% `0 `; M1.3.4BP神经网络训练
9 \* ~# a  O6 n" t1.3.5BP神经网络分类
  e/ m; {' O$ Q5 u& Z+ X- S1.3.6结果分析
7 V) x- B: {4 |. |7 h1.4案例扩展
1.4.1隐含层节点数
+ {0 Z; E  l6 b. J  n( w1.4.2附加动量方法
9 T; y; x2 U5 V% L$ k5 ~, j/ m1.4.3变学习率学习算法
参考文献
3 K& @; w9 |2 X  v! T第2章BP神经网络的非线性系统建模——非线性函数拟合
2.1案例背景
7 A- ^$ H) h7 J8 W0 R2.2模型建立
) {) V+ o" J" H& Z4 V# u" L2.3 MATLAB实现
% x3 y( d* X, L. @$ \$ t2.3.1 BP神经网络工具箱函数
4 C6 B0 C/ v, I! |4 }, [2.3.2数据选择和归一化
' L6 s' K6 ]) x- t5 T& |  Y2.3.3 BP神经网络训练
7 o, r' z4 \4 B) f; ~2.3.4 BP神经网络预测
2.3.5结果分析
2.4案例扩展
* l7 g7 Z5 M, F! g7 G2.4.1多隐含层BP神经网络
! ]) b' d( i# ?! |  E2.4.2隐含层节点数
6 Q& D" b: q% C& r2.4.3训练数据对预测精度影响
2.4.4节点转移函数
: c# S# o( v; ~0 b# R" a0 E2.4.5网络拟合的局限性
0 Q; P- L  \  d0 j3 A# K# ~参考文献
$ g! T; [$ b- E0 C% t" j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
$ |- u9 V2 ?* J7 r3.1.2遗传算法的基本要素
4 n' Z, C2 `  {* |3.1.3拟合函数
) @% `3 M4 R2 i' ~3.2模型建立
3.2.1算法流程
% N' U/ }' L* j7 ]. |- e3.2.2遗传算法实现
& G  \; `' d* s2 x/ h3.3编程实现
3.3.1适应度函数
- v1 |& h" V" c  i' b. o3.3.2选择操作
3.3.3交叉操作
3.3.4变异操作
3.3.5遗传算法主函数
5 C7 M7 t" W' ]1 q  E' M2 E: ^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
7 n0 T6 b  ?. j+ L$ \& D% X' w5 J3.4案例扩展
3.4.1其他优化方法
/ k# P4 M5 P9 N5 \  Y  S3.4.2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
6 ^# o& c& a+ V! A  m$ k4.1案例背景
4.2模型建立
9 o+ _6 \7 g# Y/ U4 D4.3编程实现
8 K: J8 L5 N% B4.3.1 BP神经网络训练
4.3.2适应度函数
4.3.3遗传算法主函数
4.3.4结果分析
+ [# r+ B8 U7 q% P+ E4.4案例扩展
& F9 s* |! b7 \+ v# y1 t  n& s. @4.4.1工程实例
4.4.2预测精度探讨
. |3 m3 l, m# t8 ^: t# f参考文献
7 h$ m5 h6 G6 A% y# Q/ Q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
5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
5.2模型建立
5.3编程实现
7 ?& u; \8 R6 ~3 j5.3.1数据集选择
% q. h4 U7 T$ z, n3 V1 C  c5.3.2弱分类器学习分类
5.3.3强分类器分类和结果统计
5.3.垂结果分析
" O! f. R9 s3 |8 o5.4案例扩展
5.4.1数据集选择
5.4.2弱预测器学习预测
5.4.3强预测器预测
" P: f. C6 X3 _+ L/ J5.4.4结果分析
* |) g2 z" b. k* y# n) k参考文献
# E/ T+ i) M1 T* y第6章PID神经元网络解耦控制算法——多变量系统控制
6 @. c% z& D; \7 T: Y# V6.1案例背景
% s0 r  c% P6 X% p7 E3 Z; X6.1.1 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
' a6 B6 E3 `# V7 |& h( p9 x& _3 ~$ ^1 g( n6.3编程实现
8 f+ N  x0 z4 u2 b$ Q% B6.3.1 PID神经网络初始化
6.3.z控制律计算
6.3.3权值修正
6.3.4结果分析
% Z9 f4 _' d9 d0 Y+ W, ?, m7 v' K+ H5 ^6.4案例扩展
( Q+ Y2 q. R: Y! Q& Q6.4.1增加动量项
6.4.2神经元系数
) S  E) O8 p' p6 q9 Z) Z6.4.3 PID神经元网络权值优化
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
7.1.1 RBF神经网络概述
% p0 n7 e7 s$ O: t0 S% c! l: K7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
6 A& }" u, {' x, s$ l7.1.4曲线拟合相关背景
* [9 Y8 V- o) U7.2模型建立
6 z0 f9 r! Q& F1 C7.3 MATLAB实现
* g7 c* Y! D+ _% @" y: V, ]7.3.1 RBF网络的相关函数
7.3.2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
, d- ]6 _. e5 x" o0 s  C7.4.2 SPREAD对网络的影响
. o# i% B9 ]% \# z' j1 o: c参考文献
4 D8 z( N% b* N! y/ x" g) a2 F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
# x+ L$ L4 `! }8 l8.1.3 GRNN的理论基础
7 o/ x  {& y/ b2 |, p8 u8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
3 u! P% E$ q' p- e7 \$ D8.4案例扩展
7 @5 ]/ T; n. i7 ^' ~3 n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
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
' ?" z1 }: W! N+ S5 w8 ]9.2模型建立
9.2.1设计思路
9.2.2设计步骤
, j3 a( h9 `1 X2 Y1 T* C, p9.3 Hopfield网络的神经网络工具箱函数
8 u& y  M6 L9 U/ T/ N9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
; {$ x; [! P+ T/ A9.4 MATLAB实现
7 D% Y! P! G# t0 g. J9.4.1输入输出设计
9.4.2网络建立
8 J+ m$ M+ Y0 m' z9.4.3产生带噪声的数字点阵
1 O  K, u0 B& G8 k. v  x9 u8 Z9.4.4数字识别测试
  H  p1 m! J! _9.4.5结果分析
9.5案例扩展
+ Y; L& ?6 j$ K6 c- |9 Q9.5.1识别效果讨论
' }2 K1 |% J' L" J9.5.2应用扩展
) l5 ]. U9 X! l$ b. N, I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
  |! [$ k% D( v1 [! [  U; C' v& K10.1案例背景
10.1.1离散Hopfield神经网络学习规则
7 Z1 P: T3 B3 G; d10.1.2高校科研能力评价概述
10.1.3问题描述
7 |, Z7 @1 L6 X6 c10.2模型建立
10.2.1设计思路
10.2.2设计步骤
2 g- N) ~0 n' \1 s: H10.3 MATLAB实现
10.3.1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
10.3.5仿真测试
& ?' n" {  O$ M6 {( H* F/ r10.3.6结果分析
10.4案例扩展
参考文献
4 @4 J7 I) V- C. G2 b9 {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
1 W+ |" ]+ h- d11.1.1连续Hopfield神经网络概述
  g, H8 m7 @$ E5 q5 K- B11.1.2组合优化问题概述
11.1.3问题描述
5 K2 M6 ~  e, m' r6 m11.2模型建立
, t+ B( V4 W$ A' j$ {11.2.1设计思路
: ]# m$ A5 A$ z6 N, r/ Y# D11.2.2设计步骤
11.3 MATLAB实现
$ o- u* b1 e: [! @6 V11.3.1清空环境变量、声明全局变量
% W- L) ]% z6 f9 G) n11.3.2城市位置导入并计算城市间距离
11.3.3初始化网络
6 B5 f3 c7 \2 u+ B( p9 ^11.3.4寻优迭代
11.3.5结果输出
9 b. q- a8 H( M8 ]. B6 m11.4案例扩展
11.4.1结果比较
+ L0 Z6 X% @& }; Q# {, O/ C11.4.2案例扩展
参考文献
第12章初识SVM分类与回归
6 @* X* h5 P: G9 r' u* f( I+ m2 J5 E12.1案例背景
12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
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
  q+ X& D; G/ T6 n12.3案例扩展
# r) x; B& h( W( R, b1 s% S参考文献
第13章LIBSVM参数实例详解
+ L" t( F8 u$ A6 e/ f13.1案例背景
13.2 MATLAB实现
13.3案例扩展
参考文献
6 H& t6 I+ L, c- H7 A: m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
14.2模型建立
, y6 g" }! m  W+ T5 C# {5 `/ l14.3 MATLAB实现
' |- h. O# g5 I8 Y' a( g" y, P14 3.1选定训练集和测试集
……
. |1 c! [* c) N' T  |" l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
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
0 b0 k: [: q( U! D# X3 A( U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
, M5 M- d; p' [/ S4 Q5 Q第22章SOM神经网络的数据分类——柴油机故障诊断
( ]* G1 ^4 m" ^  Z第23章Elman神经网络的数据预测——电力负荷预测模型研究
' X4 T7 B8 {8 J+ `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
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
$ u: m9 x9 S, E" |! K/ P/ J9 R7 i  w第26章LVQ神经网络的分类——乳腺肿瘤诊断
# D4 H! r9 s& g( b) T& U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
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
% X  J6 c% }' I6 p3 a5 D- E9 F+ |3 ~第31章思维进化算法优化BP神经网络——非线性函数拟合
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
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
! ~. w$ @/ E2 {- [3 l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
第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
4 z  M$ \) k  n# T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 L# E. P, [0 L9 K, e. O( 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
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
; h7 W9 w" A4 }序言
: e) W- x5 u. S' q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。
5 V) I3 Y, ~( K" n& M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。
+ q5 j- F: a2 [/ z" y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。
. \7 n' S5 Z# y+ \
5 {! I3 L# S$ u  m
MathWorks 中国教育业务发展总监
& `, j: H( W. i1 r
8 I1 h0 f+ X+ k- Q4 z4 |陈炜博士
( x) l0 J* a, v6 z
2013年6月于上海

4 d0 |" C& C3 q8 _3 u
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
) B1 m: y- p5 Q

, I/ r/ X" T1 T1 h6 o. s
1 s) h. M' ^1 a" U