神經網絡實用教程（簡體書）

本書基于MATLAB 6．5/7提供的神經網絡工具箱，介紹了神經網絡常用算法、優化算法及其混合編程實現。全書共分為6章，分別結合實例介紹了人工神經網絡概述、實用神經網絡模型與學習算法、神經網絡算法優化、nnToolKit神經網絡工具包、MATLAB混合編程技術、混合編程案例。附錄中介紹了2NDN神經網絡建模仿真平臺。全書圖文并茂，由淺人深，脈絡清晰，融教學與實例于一體，通過大量的神經網絡應用實例介紹了神經網絡的常用算法及混合編程實現方法，并配有習題。全書可讀性和操作性較強。 本書可作為高校自動化、計算機、材料化工、機械工程、數學、電子工程、信息與信息處理等專業的教材和相關專業工程技術人員的參考書，讀者可到智能中國網（www. 5iAI．com）上下載本書配套程序和電子課件。智能中國網是中國AI創業研發俱樂部旗下專業的人工智能網站。

前言
第1章 人工神經網絡概述
1.1 神經網絡的基本概念
1.1.1 生物神經元的結構與功能特點
1.1.2 人工神經元模型
1.1.3 神經網絡的結構及工作方式
1.1.4 神經網絡的學習
1.2 神經網絡的特點及其應用
1.2.1 神經網絡的特點
1.2.2 神經網絡的應用領域
練習題
第2章 實用神經網絡模型與學習算法
　2.1 MATLAB快速入門
2.1.1 MATLAB界面組成
2.1.2 MATLAB基本運算
2.1.3 MATLAB繪圖函數
　2.2 感知器神經網絡模型與學習算法
2.2.1 單層感知器
2.2.2 單層感知器的學習算法
2.2.3 單層感知器的MATLAB實現
2.2.4 多層感知器
　2.3 線性神經網絡模型與學習算法
2.3.1 線性神經元網絡模型
2.3.2 線性神經網絡的學習算法
2.3.3 線性神經網絡的MATLAB實現
　2.4 BP神經網絡模型與學習算法
2.4.1 BP神經網絡模型
2.4.2 BP網絡的標準學習算法
2.4.3 BP神經網絡學習算法的MATLAB實現
　2.5 徑向基函數神經網絡模型與學習算法
2.5.1 RBF神經網絡模型
2.5.2 RBF網絡的學習算法
2.5.3 RBF網絡學習算法的MATLAB實現
　2.6 自組織神經網絡模型與學習算法
2.6.1 自組織特征映射神經網絡結構
2.6.2 自組織特征映射網絡的學習算法
2.6.3 自組織網絡學習算法的MATLAB實現
　2.7 學習向量量化（LVQ）神經網絡模型與學習算法
2.7.1 LVQ神經網絡結構
2.7.2 LVQ神經網絡的學習算法
2.7.3 LVQ神經網絡學習算法的MATLAB實現
　2.8 Elman神經網絡算法模型與學習算法
2.8.1 Elman神經網絡結構
2.8.2 Elman神經網絡學習算法
2.8.3 Elman神經網絡學習算法的MATLAB實現
　2.9 Hopfield神經網絡模型與學習算法
2.9.1 離散Hopfield神經網絡
2.9.2 連續Hopfield神經網絡
2.9.3 Hopfield神經網絡的MATLAB實現
　2.10 Boltzmann神經網絡模型與學習算法
2.10.1 Boltzmann機的網絡結構
2.10.2 Boltzmann機學習算法
　2.11 模糊神經網絡
2.11.1 模糊神經網絡主要形式
2.11.2 模糊神經網絡模型
2.11.3 模糊神經網絡學習方法
2.11.4 模糊邏輯MATLAB函數
　練習題
第3章 神經網絡優化方法
　3.1 BP網絡學習算法的改進
3.1.1 消除樣本輸入順序影響的改進算法
3.1.2 附加動量的改進算法
3.1.3 采用自適應調整參數的改進算法
……
第4章 nnToolKit神經網絡工具包
第5章 MATLAB混合編程技術
第6章 混合編程案例
附錄 2NDN神經網絡建模仿真工具
參考文獻