神經(jīng)網(wǎng)絡(luò)

定　價：￥26.00

作　者：	侯媛彬、杜京義、江梅
出版社：	西安電子科技大學(xué)出版社
叢編項：	高等學(xué)校電子與電氣工程及自動化專業(yè)“十一五”規(guī)劃教材
標　簽：	自動化基礎(chǔ)理論

購買這本書可以去

ISBN：	9787560619026	出版時間：	2007-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	223	字數(shù)：

內(nèi)容簡介

　　《神經(jīng)網(wǎng)絡(luò)（附光盤）》的主要內(nèi)容有：神經(jīng)網(wǎng)絡(luò)的概念，神經(jīng)網(wǎng)絡(luò)的分類與學(xué)習(xí)方法，前向神經(jīng)網(wǎng)絡(luò)模型及其算法，改進的BP網(wǎng)絡(luò)及其控制、辨識建模，基于遺傳算法的神經(jīng)網(wǎng)絡(luò)，基于模糊理論的神經(jīng)網(wǎng)絡(luò)，RBF網(wǎng)絡(luò)及其在混沌背景下對微弱信號的測量與控制，反饋網(wǎng)絡(luò)，Hopfield網(wǎng)絡(luò)及其在字符識別中的應(yīng)用，支持向量機及其故障診斷，小波神經(jīng)網(wǎng)絡(luò)及其在控制與辨識中的應(yīng)用?！渡窠?jīng)網(wǎng)絡(luò)（附光盤）》內(nèi)容全面，重點突出，以講明基本概念和方法為主，盡量減少繁瑣的數(shù)學(xué)推導(dǎo)，并給出一些結(jié)合工程應(yīng)用的例題?！渡窠?jīng)網(wǎng)絡(luò)（附光盤）》附有光盤，其中包括結(jié)合各章節(jié)內(nèi)容所開發(fā)的30多個源程序，可直接在MATLAB界面下運行，此外，還包括用Authorware和Flash軟件制作的動畫課件?！渡窠?jīng)網(wǎng)絡(luò)（附光盤）》既可作為自動化和電氣自動化專業(yè)及相關(guān)專業(yè)的研究生教材，也可供機電類工程技術(shù)人員選用，還可作為有興趣的讀者自學(xué)與應(yīng)用的參考書。

作者簡介

　　侯媛彬，教授，女，博士生導(dǎo)師，1997年獲西安交通大學(xué)系統(tǒng)工程（Ⅰ）博士學(xué)位。西安科技大學(xué)礦山機電博士點學(xué)科帶頭人，西安科技大學(xué)省重點學(xué)科“控制理論與控制工程”學(xué)科帶頭人，中國自動化學(xué)會電氣專業(yè)委員會委員，陜西省自動化協(xié)會常務(wù)理事兼教育委員會主任。一直從事自動化、安全技術(shù)與工程方面的教學(xué)和研究工作。講授過博士、碩士和本科各層面的專業(yè)課程10多門。在國內(nèi)外公開發(fā)表學(xué)術(shù)論文110余篇，其中被EI和ISTP檢索30余篇。出版專著、教材8部：承擔(dān)省部級科研項目及橫向項目10余項；獲實用新型專利2項；獲省級科技進步獎3項：獲科研、教學(xué)方面的各種獎10多項；2006年獲省級師德標兵。

圖書目錄

前言
第1章智能控制技術(shù)基礎(chǔ)
　1.1 智能控制的基本概念
　1.2 智能控制系統(tǒng)的分類和發(fā)展
　1.3 用于神經(jīng)網(wǎng)絡(luò)控制或辨識建模的噪聲信號產(chǎn)生方法
　1.4 偽隨機信號產(chǎn)生及MATLAB仿真舉例
　1.5 語義網(wǎng)絡(luò)知識表示法及Petri網(wǎng)舉例
　1.6 小結(jié)
　習(xí)題
第2章神經(jīng)網(wǎng)絡(luò)控制的基本概念
　2.1 生物神經(jīng)元模型
　2.2 人工神經(jīng)元
　　2.2.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
　　2.2.2 神經(jīng)網(wǎng)絡(luò)的特性
　　2.2.3 人工神經(jīng)元模型
　2.3 神經(jīng)網(wǎng)絡(luò)常用的激發(fā)函數(shù)
　2.4 神經(jīng)網(wǎng)絡(luò)的分類
　2.5 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
　2.6 小結(jié)
　習(xí)題
第3章前向神經(jīng)網(wǎng)絡(luò)模型及其仿真算法
　3.1 感知器算法及其應(yīng)用
　　3.1.1 感知器的概念
　　3.1.2 感知器的局限性
　　3.1.3 感知器的線性可分性
　　3.1.4 感知器分類的MATLAB仿真
　3.2 BP神經(jīng)網(wǎng)絡(luò)及其算例
　3.3 其它前向網(wǎng)絡(luò)
　3.4 神經(jīng)網(wǎng)絡(luò)模型辨識
　　3.4.1 神經(jīng)網(wǎng)絡(luò)模型辨識系統(tǒng)結(jié)構(gòu)
　　3.4.2 神經(jīng)網(wǎng)絡(luò)模型辨識MATLAB仿真
　3.5 神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制系統(tǒng)結(jié)構(gòu)
　3.6 神經(jīng)元自適應(yīng)控制系統(tǒng)MATLAB仿真
　　3.6.1 Kp變化時系統(tǒng)的階躍響應(yīng)仿真
　　3.6.2 系統(tǒng)的閉環(huán)零點z、極點p和增益k求取仿真
　　3.6.3 單神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)仿真
　3.7 小結(jié)
　習(xí)題
第4章改進的BP網(wǎng)絡(luò)訓(xùn)練算法
　4.1 BP網(wǎng)絡(luò)分析及其改進思路
　　4.1.1 網(wǎng)絡(luò)存在問題分析
　　4.1.2 其它網(wǎng)絡(luò)訓(xùn)練技巧
　4.2 基于降低網(wǎng)絡(luò)靈敏度的網(wǎng)絡(luò)改進算法
　4.3 提高神經(jīng)網(wǎng)絡(luò)容錯性的理論和方法
　4.4 提高神經(jīng)網(wǎng)絡(luò)收斂速度的一種賦初值算法
　4.5 復(fù)雜系統(tǒng)神經(jīng)網(wǎng)絡(luò)辨識MATLAB仿真舉例
　　4.5.1 具有噪聲二階系統(tǒng)辨識的MATLAB程序剖析
　　4.5.2 多維非線性辨識與MATLAB程序剖析
　4.6 小結(jié)
　習(xí)題
第5章小腦模型神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
　5.1 CMAC網(wǎng)絡(luò)的特點
　5.2 改進的CMAC干式變壓器卷線機跑偏信號諧波分析
　　5.2.1 CMAC網(wǎng)絡(luò)對非線性函數(shù)學(xué)習(xí)過程
　　5.2.2 干式變壓器卷線機跑偏信號諧波分析方法
　　5.2.3 跑偏信號諧波仿真與分析
　5.3 改進的CMAC學(xué)習(xí)多維函數(shù)
　5.4 小結(jié)
　習(xí)題
第6章遺傳算法及其神經(jīng)網(wǎng)絡(luò)
　6.1 遺傳算法的概念
　　6.1.1 遺傳算法的定義及特點
　　6.1.2 遺傳操作
　6.2 一種適應(yīng)度函數(shù)的改進算法
　　6.2.1 適應(yīng)度函數(shù)的選擇與計算
　　6.2.2 一種改進的遺傳神經(jīng)解耦方法
　　6.2.3 遺傳神經(jīng)解耦仿真、實驗及結(jié)論
　6.3 遺傳算法及其遺傳神經(jīng)網(wǎng)絡(luò)應(yīng)用仿真
　　6.3.1 遺傳算法尋優(yōu)MATLAB仿真
　　6.3.2 遺傳神經(jīng)元辨識MATLAB仿真
　6.4 小結(jié)
　習(xí)題
第7章模糊神經(jīng)網(wǎng)絡(luò)
　7.1 傳統(tǒng)控制與模糊控制
　7.2 模糊神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
　　7.2.1 模糊神經(jīng)網(wǎng)絡(luò)的概念
　　7.2.2 隸屬函數(shù)神經(jīng)網(wǎng)絡(luò)
　　7.2.3 模糊神經(jīng)網(wǎng)絡(luò)控制模型
　7.3 FNN對非線性多變量系統(tǒng)的解耦方法
　　7.3.1 FNN解耦的基本模型
　　7.3.2 FNN解耦的算法
　7.4 FC及FNN解耦算法的MATLAB仿真
　7.5 小結(jié)
　習(xí)題
第8章徑向基函數(shù)網(wǎng)絡(luò)
　8.1 徑向基函數(shù)網(wǎng)絡(luò)模型
　8.2 網(wǎng)絡(luò)的訓(xùn)練與設(shè)計
　　8.2.1 聚類分析
　　8.2.2 動態(tài)聚類法
　　8.2.3 RBF網(wǎng)絡(luò)的學(xué)習(xí)算法
　8.3 徑向基神經(jīng)網(wǎng)絡(luò)的工具箱
　　8.3.1 面向MATLAB工具箱的徑向基神經(jīng)元模型
　　8.3.2 面向MATLAB工具箱的徑向基神經(jīng)網(wǎng)絡(luò)
　　8.3.3 徑向基網(wǎng)絡(luò)的創(chuàng)建與學(xué)習(xí)過程
　　8.3.4 徑向基網(wǎng)絡(luò)的應(yīng)用
　8.4 混沌時間序列建模及預(yù)測
　　8.4.1 相空間重構(gòu)
　　8.4.2 非線性函數(shù)逼近方法
　　8.4.3 數(shù)值實驗
　8.5 小結(jié)
　習(xí)題
第9章反饋型神經(jīng)網(wǎng)絡(luò)
　9.1 Hopfield神經(jīng)網(wǎng)絡(luò)
　　9.1.1 Hopfield網(wǎng)絡(luò)的結(jié)構(gòu)
　　9.1.2 Hopfield網(wǎng)絡(luò)的穩(wěn)定性
　　9.1.3 基本學(xué)習(xí)規(guī)則
　　9.1.4 Hopfield網(wǎng)絡(luò)的聯(lián)想特性
　9.2 反饋網(wǎng)絡(luò)與優(yōu)化計算
　　9.2.1 Hopfield網(wǎng)絡(luò)的電路模型與動態(tài)方程
　　9.2.2 Hopfield網(wǎng)絡(luò)的能量函數(shù)與穩(wěn)定性
　　9.2.3 Hopfield網(wǎng)絡(luò)的優(yōu)化計算
　9.3 Hopfield網(wǎng)絡(luò)的MATLAB開發(fā)
　　9.3.1 Hopfield神經(jīng)網(wǎng)絡(luò)的工具函數(shù)
　　9.3.2 基于Hopfield網(wǎng)絡(luò)的數(shù)字識別
　9.4 小結(jié)
　習(xí)題
第10章支持向量機
　10.1 統(tǒng)計學(xué)習(xí)理論的一般概念
　　10.1.1 機器學(xué)習(xí)問題的表示
　　10.1.2 經(jīng)驗風(fēng)險最小化
　　10.1.3 學(xué)習(xí)機的VC維與風(fēng)險界
　　10.1.4 結(jié)構(gòu)風(fēng)險最小化
　10.2 最優(yōu)化理論基礎(chǔ)
　　10.2.1 二次規(guī)劃
　　10.2.2 拉格朗日理論
　　10.2.3 二次規(guī)劃的對偶
　10.3 支持向量機
　　10.3.1 分類超平面的幾何性質(zhì)
　　10.3.2 線性可分支持向量機
　　10.3.3 近似線性可分支持向量機
　　10.3.4 非線性可分支持向量機
　　10.3.5 支持向量回歸機
　10.4 支持向量機的實現(xiàn)
　　10.4.1 LIBSVM軟件包簡介
　　10.4.2 LIBSVM使用方法
　　10.4.3 SVM在MATLAB中的實現(xiàn)
　10.5 SVM在故障診斷中的應(yīng)用
　10.6 小結(jié)
　習(xí)題
第11章小波神經(jīng)網(wǎng)絡(luò)及應(yīng)用
　11.1 多尺度分析
　11.2 小波變換
　11.3 小波包變換
　11.4 小波分析在信號處理中的應(yīng)用
　　11.4.1 信號奇異點檢測仿真
　　11.4.2 信號消噪仿真
　11.5 小波神經(jīng)網(wǎng)絡(luò)
　11.6 小波神經(jīng)網(wǎng)絡(luò)在電纜故障識別中的應(yīng)用
　　11.6.1 小波變換提取特征
　　11.6.2 小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
　　11.6.3 電纜故障識別仿真
　11.7 小結(jié)
　習(xí)題
參考文獻