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。
* Z! E/ k2 C2 s
  c4 z% a6 k# i3 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。
. u& }% r1 C; c# D- z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。
7 m+ W) x1 r% o+ C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。

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。
) t" C( `& x$ W0 C2 \
5 r: c: D* S' G+ A/ q# m$ w
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。
0 v* X! b, q9 I# ~% Z/ T作者简介
7 N* J1 `1 }3 F1 b% G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
$ c9 m$ d" m% v3 ]' v5 E. X, {第1章BP神经网络的数据分类——语音特征信号分类
* T: x8 \& p1 c1 o- f& ]/ G8 {1.1案例背景
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 N- T$ i# H1 \/ P" K1.3.1归一化方法及MATLAB函数
- E7 J, M- P% R9 t; Q+ O' d7 @1.3.2数据选择和归一化
1.3.3BP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
1.3.6结果分析
# q) A: w" ~) {, p# Q1.4案例扩展
1.4.1隐含层节点数
1.4.2附加动量方法
" K0 @( t$ S8 P2 N" \1 x: K0 _5 z, ], T1.4.3变学习率学习算法
  p, M) n( ]9 A  @. e参考文献
第2章BP神经网络的非线性系统建模——非线性函数拟合
+ F3 Y* P: {# W9 s7 `7 l- j. J2.1案例背景
. ]+ a1 |! e) h8 P. |2.2模型建立
' Z7 C( f! h+ Y4 |4 Y2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
' m9 x8 r: R% }% c2.3.2数据选择和归一化
! A* H5 z0 r; P2.3.3 BP神经网络训练
2.3.4 BP神经网络预测
2.3.5结果分析
8 X5 ~- a8 _! E) u: `! C1 j2.4案例扩展
2.4.1多隐含层BP神经网络
' `- @1 q( O4 ~- F4 O/ [2.4.2隐含层节点数
4 e, W* T0 x: G$ [; v; y2.4.3训练数据对预测精度影响
3 X; [+ U) J- ?/ B" E! z2.4.4节点转移函数
% n; a3 x8 |% x) J- R3 p2.4.5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 z3 `* l. I0 N! m! b! i' p6 e# }3.1.1遗传算法原理
3.1.2遗传算法的基本要素
  x2 \+ l& K* e+ ~: v4 G3.1.3拟合函数
3.2模型建立
+ x, \1 h- O$ Q7 M2 u0 x) }/ E3.2.1算法流程
. b, I& E& @4 E, I( B# g. I% b3.2.2遗传算法实现
! X/ u$ P7 n  T4 F/ _/ q4 R' g) F3.3编程实现
3.3.1适应度函数
3.3.2选择操作
; l7 C9 S7 L5 Z3 V7 q5 o3.3.3交叉操作
3.3.4变异操作
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
, ]% g6 ~$ E$ f9 `2 L& ~3.3.7结果分析
3.4案例扩展
3.4.1其他优化方法
5 j: m" z& x( M8 U: y& }3.4.2网络结构优化
, y( a7 {4 \8 [; i# U& r; S3.4.3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
0 Y9 A# D0 x& s- k' S8 q4 G4.2模型建立
' A% \2 ^' D$ Q5 |; C( z8 q4.3编程实现
8 T. r0 ?4 k( V' o  |4.3.1 BP神经网络训练
7 e5 ?8 N& }! w4.3.2适应度函数
4.3.3遗传算法主函数
4.3.4结果分析
4.4案例扩展
/ ^/ O9 `, ]- _3 l% c$ \& L0 ]& g4 ?. ^4.4.1工程实例
3 D. f) g  f, R# k: r# c- p4.4.2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
! _' j. L2 I0 d% ~1 G9 c5.1案例背景
5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
1 n9 s$ Y0 L0 U$ ?6 i- \- o; c3 _5.2模型建立
- s  [; F0 I1 J4 ], i6 C! s# q5.3编程实现
+ o8 \, G5 T" e' }5.3.1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
5.3.垂结果分析
5.4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
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
- Q! ?) Y0 ?9 O. t% J6.1案例背景
8 R. j  A- X, n( B6.1.1 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
( O  R. I- Y# S$ P; [+ Q6.2模型建立
6 p8 P# _8 O# _& j4 F0 G3 J6.3编程实现
" v1 G' a" o2 z; Q# _' \) f6.3.1 PID神经网络初始化
6.3.z控制律计算
6.3.3权值修正
0 @) p+ y+ t9 [# s6 q* g6.3.4结果分析
6.4案例扩展
6.4.1增加动量项
+ J: D1 u. k9 Z: L% p  v6.4.2神经元系数
6.4.3 PID神经元网络权值优化
参考文献
( k2 Z; k! c, O+ M0 L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
; ^+ N# ^; P) k/ W( J- [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
7.3 MATLAB实现
7.3.1 RBF网络的相关函数
7.3.2结果分析
% W  Q" y- ?! P8 n: S* V: J: }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
% t6 I# Q4 o6 Z7.4.2 SPREAD对网络的影响
( g" q" [) z# J) c, S& r% D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
' r  a9 o9 c* H+ C1 S, w8.1案例背景
2 A) x  ~& G6 m6 a0 D8.1.1 GRNN神经网络概述
$ k, L3 E# M7 J9 c- w7 q  Z8.1.2 GRNN的网络结构
( h4 w0 w( ?3 f4 a$ l5 w8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
; H/ |  w* n- o! {! W! |8.2模型建立
6 K0 ?* t. i2 V- j( S8.3 MATLAB实现
8.4案例扩展
参考文献
第9章 离散Hopfield神经网络的联想记忆——数字识别
) a3 `9 Z' R+ G* |9.1案例背景
, X) n- k9 J. \( `) q  c! ~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
. j# Z: a1 |3 O8 _9.2模型建立
9.2.1设计思路
9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
3 J- m& ^7 J) u9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
9.4.1输入输出设计
/ O& Z& H2 a' F% z9.4.2网络建立
9.4.3产生带噪声的数字点阵
. z5 |# o' z" E( w; y2 ?9.4.4数字识别测试
9.4.5结果分析
0 a! y- X. J* Y$ g* c# d9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
% @8 t; E# m' q8 S: M2 Y参考文献
$ ]" p" h- q/ r' q. z第10章 离散Hopfield神经网络的分类——高校科研能力评价
; a. t% @2 ~* ~" N; [) l- ~10.1案例背景
10.1.1离散Hopfield神经网络学习规则
10.1.2高校科研能力评价概述
) ^8 G2 n4 M! Z. ~7 y1 u10.1.3问题描述
10.2模型建立
10.2.1设计思路
1 X, q- ^" `  L/ k2 j7 Z10.2.2设计步骤
4 D1 G9 ?4 o0 H/ \# g& e10.3 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
% h- H; k5 C# d10.3.5仿真测试
, r9 K' t' x# Y+ t9 ?! h, z2 s10.3.6结果分析
10.4案例扩展
参考文献
第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
" T7 }9 k1 V  Q, Q  U/ c5 Y* P11.1案例背景
# u/ q  j0 n. V: \4 \11.1.1连续Hopfield神经网络概述
2 h; c# u2 r% [11.1.2组合优化问题概述
: o; l( |# m3 G11.1.3问题描述
( ?, d1 I& G" e$ p1 W11.2模型建立
: S  p, u! y  j11.2.1设计思路
11.2.2设计步骤
- w) ]2 ~  C/ G7 T11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
- Z( s9 z1 Y+ S  N8 k11.3.2城市位置导入并计算城市间距离
8 f7 E3 `; S4 i1 m11.3.3初始化网络
+ e) f- H! D# B, ~; Z11.3.4寻优迭代
  s: u( G( C7 n/ k11.3.5结果输出
) v$ C- m& R& u" L8 }, m+ g' n11.4案例扩展
$ i7 n2 A6 T% V* n11.4.1结果比较
9 x" P8 \  c& S11.4.2案例扩展
参考文献
第12章初识SVM分类与回归
5 [0 }8 a0 j* D" j! U% a12.1案例背景
0 q6 a; y2 U6 i& V' b* u  E# z5 K12.1.1 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
) ~" J  R9 R# G: O12.2 MATLAB实现
12.2.1使用LIBSVM进行分类的小例子
5 V+ l# o7 q& Y9 _12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
# J- R2 o& n  L5 |参考文献
' \. k9 c# c! v( u9 s6 z第13章LIBSVM参数实例详解
13.1案例背景
13.2 MATLAB实现
13.3案例扩展
参考文献
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
! \- H4 ~( B( }/ ]  f14.2模型建立
3 G1 _  r7 u/ v/ A14.3 MATLAB实现
9 `, P+ ?5 E$ j; N% `, z14 3.1选定训练集和测试集
) {3 P0 F0 v; L! M) U……
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
; K, J% _+ {$ [3 h3 v& C; B第18章基于SVM的图像分割——真彩色图像分割
$ P$ E; R) R- }6 T9 Q; @9 Y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
+ B7 ^2 X2 g1 A4 z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
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
, U4 D# `, p- B  t  z* t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
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
第31章思维进化算法优化BP神经网络——非线性函数拟合
" @+ h# D: |* z3 j# `3 c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
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
/ v( c, |$ L* t( S3 j第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
% K2 O! \& P; M; z: h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
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
8 T  p% _9 i  P2 i7 W1 G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
% Z8 m# ?0 Y+ [$ c! X) l序言
  e5 N: |( v9 ~7 q0 r8 ^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。
$ ]- Z) h: N% @0 Q8 h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。
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。
; Y' n. b5 V/ {0 u% w; c% k$ a

. J5 @$ y8 T' T# r9 V+ M; ~+ r3 p) u& U( ]2 jMathWorks 中国教育业务发展总监

陈炜博士
0 c2 X' W; q: C% |9 z
2013年6月于上海

1 _& M' n# v/ v
pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
# A1 w" R0 k" a5 n5 C5 s. Y8 \# t8 {数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r


0 d/ a- F5 W1 P( s) V& r