第1章　MATLAB基础

1.1 MATLAB的历史

1.1.1 MATLAB的产生

1.1.2　MATLAB的发展和应用

1.2　MATLAB简介

1.2.1 MATLAB语言特点

1.2.2 MATLAB 7的安装

1.2.3　MATLAB常用函数及工具箱介绍

1.2.4　Simulink使用介绍

1.3 MATLAB快速入门

1.3.1　命令行窗口

1.3.2　其他重要窗口

1.3.3　Editor/Debugger窗口

1.3.4 MATLAB帮助系统

1.3.5　神经网络工具箱快速入门

1.4　习题

1.5　上机实验

第2章　人工神经网络基础

2.1　人工神经网络的发展史

2.1.1　初期阶段

2.1.2　停滞期

2.1.3　黄金时期

2.1.4　发展展望

2.2　生物神经元模型

2.3　人工神经网络

2.3.1 神经网络的特性

2.3.2　人工神经元模型

2.4　神经网络常用的激励函数

2.5　神经网络的分类

2.6　神经网络的学习方式

2.7　神经网络的应用领域

2.8　习题

第3章　MATLAB神经网络工具箱中的网络对象及其属性

3.1 MATLAB神经网络工具箱中的网络对象

3.2　MATLAB神经网络工具箱中的网络对象属性

3.3　MATLAB神经网络工具箱中的网络子对象属性

3.4　习题

3.5　上机实验

第4章　神经网络工具箱函数

4.1　概述

4.2　神经网络工具箱中的通用函数

4.2.1 神经网络仿真函数

4.2.2　神经网络训练及学习函数

4.2.3　神经网络初始化函数

4.2.4　神经网络输入函数

4.2.5　神经网络传递函数

4.3　感知器神经网络工具箱函数

4.3.1　感知器神经网络创建函数

4.3.2　感知器神经网络显示函数

4.3.3　感知器神经网络性能函数

4.4　BP神经网络工具箱函数

4.4.1　BP神经网络创建函数

4.4.2　BP神经网络传递函数

4.4.3　BP神经网络学习函数

4.4.4　BP神经网络训练函数

4.4.5　BP神经网络性能函数

4.4.6　BP神经网络显示函数

4.5　线性神经网络工具箱函数

4.5.1　线性神经网络创建函数和设计函数

4.5.2　学习函数

4.6 自组织竞争神经网络工具箱函数

4.6.1 自组织竞争神经网络创建函数

4.6.2 自组织竞争神经网络传递函数

4.6.3 自组织竞争神经网络距离函数

4.6.4　自组织竞争神经网络学习函数

4.6.5 自组织竞争神经网络初始化函数

4.6.6 自组织竞争神经网络权值函数

4.6.7 自组织竞争神经网络显示函数

4.6.8 自组织竞争神经网络结构函数

4.7　径向基神经网络工具箱函数

4.7.1 径向基神经网络创建函数

4.7.2　径向基神经网络转换函数

4.7.3　径向基神经网络传递函数

4.8　反馈神经网络工具箱函数

4.8.1　Hopfield网络的工具箱函数

4.8.2　Elman网络的工具箱函数

4.9　习题

4.10　上机实验

第5章　感知器

5.1　感知器神经网络原理及模型

5.2　感知器的学习

5.3　感知器的局限性

5.4　感知器神经网络设计实例

5.4.1　单层感知器神经网络设计

5.4.2　多层感知器神经网络设计

5.5　感知器的MATLAB实现

5.6　习题

5.7　上机实验

第6章　线性神经网络

6.1　线性神经网络模型

6.2　线性神经网络的学习

6.3　线性神经网络设计

6.3.1　线性神经网络设计的基本方法

6.3.2　线性神经网络设计实例

6.4　习题

6.5　上机实验

第7章　BP网络

7.1　BP神经元及BP网络模型

7.2　BP网络的学习

7.2.1　BP网络学习算法

7.2.2　BP网络学习算法的比较

7.3　BP网络的局限性及改进方法

7.3.1　BP网络的局限性

7.3.2　BP网络的改进方法

7.4　BP网络设计

7.4.1　BP网络设计的基本方法

7.4.2　BP网络设计实例

7.5 习题

7.6　上机实验

第8章　径向基网络

8.1　径向基网络模型

8.2　径向基网络的学习

8.3　其他径向基网络

8.4　径向基网络设计

8.4.1　径向基网络设计的基本方法

8.4.2　径向基网络设计实例

8.5 习题

8.6　上机实验

第9章　竞争型神经网络

9.1　竞争型神经网络模型

9.2　竞争型神经网络的学习

9.3　竞争型神经网络存在的问题

9.4　竞争型神经网络设计

9.4.1 竞争型神经网络设计的基本方法

9.4.2　竞争型神经网络设计实例

9.5 习题

9.6　上机实验

第10章 自组织映射与学习向量量化神经网络

10.1 自组织映射神经网络

10.1.1 SOM神经网络模型

10.1.2　SOM神经网络的学习

10.2　SOM神经网络设计实例

10.3　学习向量量化神经网络

10.3.1　LVQ神经网络模型

10.3.2　LVQ神经网络的学习

10.3.3　LVQ学习算法的改进

10.4　LVQ神经网络设计实例

10.5 习题

10.6　上机实验

第11章　反馈型神经网络

11.1 反馈型神经网络的理论基础

11.2　Elman神经网络

11.2.1　Elman神经网络模型

11.2.2　Elman神经网络的学习

11.3　Hopfield神经网络

11.3.1　Hopfield神经网络模型

11.3.2　Hopfield神经网络的学习

11.4　反馈神经网络设计

11.4.1　Elman神经网络设计实例

11.4.2　Hopfield神经网络设计实例

11.5　习题

11.6　上机实验

第12章　遗传神经网络

12.1　遗传算法的概念

12.1.1　遗传算法的定义及特点

12.1.2　遗传操作

12.2　遗传算法优化神经网络

12.2.1　遗传算法编码

12.2.2　遗传操作

12.2.3　适应度函数

12.3　遗传神经网络设计

12.3.1　遗传神经网络设计的基本方法

12.3.2　遗传神经网络设计实例

12.4　习题

12.5　上机实验

第13章　模糊神经网络

13.1　传统控制与模糊控制

13.2　模糊神经网络的基本知识

13.2.1　模糊神经网络的主要形式

13.2.2　模糊神经网络的模型

13.2.3　模糊神经网络的分类

13.2.4　模糊神经网络的学习方法

13.3　FNN对非线性多变量系统的解耦方法

13.3.1　FNN解耦的基本模型

13.3.2　FNN解耦的算法

13.4　FNN解耦算法的MATLAB仿真

13.5　习题

13.6　上机实验

第14章　小波神经网络

14.1 小波变换

14.2　多尺度分析

14.3　小波包变换

14.4　小波分析在信号处理中的应用

14.4.1　信号奇异点检测仿真

14.4.2　信号降噪仿真

14.5　小波神经网络的基本结构及学习算法

14.5.1 小波神经网络的基本结构

14.5.2　小波神经网络的学习算法

14.6 小波神经网络的MATLAB仿真

14.6.1　小波神经网络结构设计

14.6.2　小波神经网络设计实例

14.7　习题

14.8　上机实验

第15章　图形用户界面

15.1 图形用户界面简介

15.2　神经网络设计

15.3　神经网络训练与仿真

15.3.1 神经网络训练

15.3.2　神经网络仿真

15.4　数据操作

15.4.1 GUI到工作空间的数据导入

15.4.2　工作空间到GUI的数据导入

15.4.3　数据的存储和读取

15.5 习题

15.6　上机实验

第16章　Simulink神经网络

16.1　Simulink仿真模型库简介

16.2　Simulink神经网络仿真模型库简介

16.3　Simulink应用设计

16.4　习题

16.5　上机实验

第17章　神经网络控制理论及应用

17.1 神经网络控制结构

17.1.1 神经网络监督控制

17.1.2　神经网络直接逆控制

17.1.3　神经网络自适应控制

17.1.4　神经网络内模控制

17.1.5　神经网络预测控制

17.1.6　神经网络自适应评判控制

17.2　反馈线性化控制及其MATLAB实现

17.2.1 反馈线性化控制原理

17.2.2　反馈线性化控制实例

17.3　神经网络模型预测控制

17.3.1　神经网络模型预测控制原理

17.3.2　神经网络模型预测控制实例分析

17.4 习题

17.5　上机实验

第18章　神经网络故障诊断

18.1　神经网络与故障模式识别

18.1.1 常用的模式识别方法

18.1.2　神经网络在故障模式识别中的应用

18.2　基于BP网络的设备状态分类器设计

18.2.1　BP网络输入输出设计

18.2.2　网络训练

18.2.3　网络测试

18.3　船舶柴油机涡轮增压系统神经网络故障诊断

18.3.1　船舶柴油机涡轮增压系统故障分析

18.3.2　神经网络的训练及测试

18.4　基于概率径向基神经网络的柴油机燃油系统故障诊断

18.4.1　柴油机燃油系统故障分析

18.4.2　基于概率径向基神经网络的训练

18.4.3　基于概率径向基神经网络的故障诊断

18.5 习题

18.6　上机实验

第19章　神经网络预测

19.1　神经网络预测原理

19.1.1　正向建模

19.1.2　逆向建模

19.2　股市预测

19.2.1 问题描述

19.2.2　基于BP神经网络的股市预测

19.2.3　基于RBF的网络股市预测

19.3 目标轨迹预测

19.3.1 问题描述

19.3.2　BP神经网络的训练及测试

19.4　神经网络在摄像机标定中的应用

19.4.1　摄像机标定原理

19.4.2　神经网络摄像机标定模型

19.4.3　神经网络摄像机标定

19.5 习题

19.6　上机实验

第20章　神经网络非线性系统辨识

20.1　神经网络辨识原理

20.1.1　非线性系统描述

20.1.2　多层神经网络模型

20.1.3　用神经网络辨识非线性模型

20.2　神经网络辨识问题的步骤

20.3　递归T-S模糊神经网络系统辨识研究

20.3.1　递归T-S模糊神经网络的结构及算法

20.3.2　递归T-S模糊神经网络的学习算法

20.3.3　仿真实例

20.4　习题

20.5　上机实验

参考文献