神經網絡與機器學習(原書第3版) PDF掃描版[61MB]
61.83MB / 10-21
MATLAB神經網絡原理與實例精解 (陳明等著) 中文pdf掃描版[128MB]
128.2MB / 12-02
Python機器學習及實踐:從零開始通往Kaggle競賽之路 完整pdf掃描
48.3MB / 06-20
圖解機器學習完整版 ([日]杉山將) 中文pdf掃描版[59MB]
59.4MB / 01-21
神經網絡和深度學習(Neural Networks and Deep Learning) 中文pd
2.85MB / 11-03
-
MCP快速入門實戰(zhàn)教程 中文PDF完整版 其它相關 / 46.7MB
-
DeepSeek中小學生使用手冊 完整版pdf 其它相關 / 6.95MB
-
清華大學DeepSeek完整版(1-10彈) 中文pdf+視頻 其它相關 / 1.0GB
-
北京大學DeepSeek系列三部曲 中文pdf完整版 其它相關 / 22.8MB
-
STM32系列產品選型手冊 官方版 中文pdf版 其它相關 / 5.6MB
-
北京大學:DeepSeek與AIGC應用(內部研討版)PDF完整版 其它相關 / 9.58MB
-
DeepSeek零基礎入門手冊 秋葉出品 中文pdf版 其它相關 / 9.5MB
-
-
DeepSeek 15天指導手冊——從入門到精通 中文pdf版 其它相關 / 920KB
-
DeepSeek使用教程藍皮書 完整中文版PDF 其它相關 / 3.21MB
詳情介紹
MATLAB神經網絡30個案例分析是MATLAB中文論壇神經網絡版塊數(shù)千個帖子的總結,充分強調“案例實用性、程序可模仿性”。所有案例均來自于論壇會員的切身需求,保證每一個案例都與實際課題相結合。讀者調用案例的時候,只要把案例中的數(shù)據換成自己需要處理的數(shù)據,即可實現(xiàn)自己想要的網絡。如果在實現(xiàn)過程中有任何疑問,可以隨時在MATLAB中文論壇與作者交流,作者每天在線,有問必答。
該書共有30個MATLAB神經網絡的案例(含可運行程序),包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神經網絡;還包含PSO(粒子群)、灰色神經網絡、模糊網絡、概率神經網絡、遺傳算法優(yōu)化等內容。該書另有31個配套的教學視頻幫助讀者更深入地了解神經網絡。
《MATLAB神經網絡30個案例分析》可作為本科畢業(yè)設計、研究生項目設計、博士低年級課題設計參考書籍,同時對廣大科研人員也有很高的參考價值。
編輯推薦
《MATLAB神經網絡30個案例分析》是由北京航空航天大學出版社出版的。
MATLAB神經網絡30個案例分析 目錄:
第1章 BP神經網絡的數(shù)據分類——語音特征信號分類1
本案例選取了民歌、古箏、搖滾和流行四類不同音樂,用BP神經網絡實現(xiàn)對這四類音樂的有效分類。
第2章 BP神經網絡的非線性系統(tǒng)建模——非線性函數(shù)擬合11
本章擬合的非線性函數(shù)為y=x21+x22。
第3章 遺傳算法優(yōu)化BP神經網絡——非線性函數(shù)擬合21
根據遺傳算法和BP神經網絡理論,在MATLAB軟件中編程實現(xiàn)基于遺傳算法優(yōu)化的BP神經網絡非線性系統(tǒng)擬合算法。
第4章 神經網絡遺傳算法函數(shù)極值尋優(yōu)——非線性函數(shù)極值尋優(yōu)36
對于未知的非線性函數(shù),僅通過函數(shù)的輸入輸出數(shù)據難以準確尋找函數(shù)極值。這類問題可以通過神經網絡結合遺傳算法求解,利用神經網絡的非線性擬合能力和遺傳算法的非線性尋優(yōu)能力尋找函數(shù)極值。
第5章 基于BP_Adaboost的強分類器設計——公司財務預警建模45
BP_Adaboost模型即把BP神經網絡作為弱分類器,反復訓練BP神經網絡預測樣本輸出,通過Adaboost算法得到多個BP神經網絡弱分類器組成的強分類器。
第6章 PID神經元網絡解耦控制算法——多變量系統(tǒng)控制54
根據PID神經元網絡控制器原理,在MATLAB中編程實現(xiàn)PID神經元網絡控制多變量耦合系統(tǒng)。
第7章 RBF網絡的回歸——非線性函數(shù)回歸的實現(xiàn)65
本例用RBF網絡擬合未知函數(shù),預先設定一個非線性函數(shù),如式y(tǒng)=20+x21-10cos(2πx1)+x22-10cos(2πx2)所示,假定函數(shù)解析式不清楚的情況下,隨機產生x1,x2和由這兩個變量按上式得出的y。將x1,x2作為RBF網絡的輸入數(shù)據,將y作為RBF網絡的輸出數(shù)據,分別建立近似和精確RBF網絡進行回歸分析,并評價網絡擬合效果。
第8章 GRNN的數(shù)據預測——基于廣義回歸神經網絡的貨運量預測73
根據貨運量影響因素的分析,分別取國內生產總值(GDP),工業(yè)總產值,鐵路運輸線路長度,復線里程比重,公路運輸線路長度,等級公路比重,鐵路貨車數(shù)量和民用載貨汽車數(shù)量8項指標因素作為網絡輸入,以貨運總量,鐵路貨運量和公路貨運量3項指標因素作為網絡輸出,構建GRNN,由于訓練數(shù)據較少,采取交叉驗證方法訓練GRNN神經網絡,并用循環(huán)找出最佳的SPREAD。
第9章 離散Hopfield神經網絡的聯(lián)想記憶——數(shù)字識別81
根據Hopfield神經網絡相關知識,設計一個具有聯(lián)想記憶功能的離散型Hopfield神經網絡。要求該網絡可以正確地識別0~9這10個數(shù)字,當數(shù)字被一定的噪聲干擾后,仍具有較好的識別效果。
第10章 離散Hopfield神經網絡的分類——高??蒲心芰υu價90
某機構對20所高校的科研能力進行了調研和評價,試根據調研結果中較為重要的11個評價指標的數(shù)據,并結合離散Hopfield神經網絡的聯(lián)想記憶能力,建立離散Hopfield高??蒲心芰υu價模型。
第11章 連續(xù)Hopfield神經網絡的優(yōu)化——旅行商問題優(yōu)化計算100
現(xiàn)對于一個城市數(shù)量為10的TSP問題,要求設計一個可以對其進行組合優(yōu)化的連續(xù)型Hopfield神經網絡模型,利用該模型可以快速地找到最優(yōu)(或近似最優(yōu))的一條路線。
第12章 SVM的數(shù)據分類預測——意大利葡萄酒種類識別112
將這178個樣本的50%做為訓練集,另50%做為測試集,用訓練集對SVM進行訓練可以得到分類模型,再用得到的模型對測試集進行類別標簽預測。
第13章 SVM的參數(shù)優(yōu)化——如何更好的提升分類器的性能122
本章要解決的問題就是僅僅利用訓練集找到分類的最佳參數(shù),不但能夠高準確率的預測訓練集而且要合理的預測測試集,使得測試集的分類準確率也維持在一個較高水平,即使得得到的SVM分類器的學習能力和推廣能力保持一個平衡,避免過學習和欠學習狀況發(fā)生。
第14章 SVM的回歸預測分析——上證指數(shù)開盤指數(shù)預測133
對上證指數(shù)從1990.12.20-2009.08.19每日的開盤數(shù)進行回歸分析。
第15章 SVM的信息?;瘯r序回歸預測——上證指數(shù)開盤指數(shù)變化趨勢和變化空間預測141
在這個案例里面我們將利用SVM對進行模糊信息?;蟮纳献C每日的開盤指數(shù)進行變化趨勢和變化空間的預測。
若您對此書內容有任何疑問,可以憑在線交流卡登錄中文論壇與作者交流。
第16章 自組織競爭網絡在模式分類中的應用——患者癌癥發(fā)病預測153
本案例中給出了一個含有60個個體基因表達水平的樣本。每個樣本中測量了114個基因特征,其中前20個樣本是癌癥病人的基因表達水平的樣本(其中還可能有子類), 中間的20個樣本是正常人的基因表達信息樣本, 余下的20個樣本是待檢測的樣本(未知它們是否正常)。以下將設法找出癌癥與正常樣本在基因表達水平上的區(qū)別,建立競爭網絡模型去預測待檢測樣本是癌癥還是正常樣本。
第17章SOM神經網絡的數(shù)據分類——柴油機故障診斷159
本案例中給出了一個含有8個故障樣本的數(shù)據集。每個故障樣本中有8個特征,分別是前面提及過的:最大壓力(P1)、次最大壓力(P2)、波形幅度(P3)、上升沿寬度(P4)、波形寬度(P5)、最大余波的寬度(P6)、波形的面積(P7)、起噴壓力(P8),使用SOM網絡進行故障診斷。
第18章Elman神經網絡的數(shù)據預測——電力負荷預測模型研究170
根據負荷的歷史數(shù)據,選定反饋神經網絡的輸入、輸出節(jié)點,來反映電力系統(tǒng)負荷運行的內在規(guī)律,從而達到預測未來時段負荷的目的。
第19章 概率神經網絡的分類預測——基于PNN的變壓器故障診斷176
本案例在對油中溶解氣體分析法進行深入分析后,以改良三比值法為基礎,建立基于概率神經網絡的故障診斷模型。
第20章 神經網絡變量篩選——基于BP的神經網絡變量篩選183
本例將結合BP神經網絡應用平均影響值(MIV,Mean Impact Value)方法來說明如何使用神經網絡來篩選變量,找到對結果有較大影響的輸入項,繼而實現(xiàn)使用神經網絡進行變量篩選。
第21章 LVQ神經網絡的分類——乳腺腫瘤診斷188
威斯康星大學醫(yī)學院經過多年的收集和整理,建立了一個乳腺腫瘤病灶組織的細胞核顯微圖像數(shù)據庫。數(shù)據庫中包含了細胞核圖像的10個量化特征(細胞核半徑、質地、周長、面積、光滑性、緊密度、凹陷度、凹陷點數(shù)、對稱度、斷裂度),這些特征與腫瘤的性質有密切的關系。因此,需要建立一個確定的模型來描述數(shù)據庫中各個量化特征與腫瘤性質的關系,從而可以根據細胞核顯微圖像的量化特征診斷乳腺腫瘤是良性還是惡性。
第22章 LVQ神經網絡的預測——人臉朝向識別198
現(xiàn)采集到一組人臉朝向不同角度時的圖像,圖像來自不同的10個人,每人5幅圖像,人臉的朝向分別為:左方、左前方、前方、右前方和右方。試創(chuàng)建一個LVQ神經網絡,對任意給出的人臉圖像進行朝向預測和識別。
第23章 小波神經網絡的時間序列預測——短時交通流量預測208
根據小波神經網絡原理在MATLAB環(huán)境中編程實現(xiàn)基于小波神經網絡的短時交通流量預測。
第24章 模糊神經網絡的預測算法——嘉陵江水質評價218
根據模糊神經網絡原理,在MATLAB中編程實現(xiàn)基于模糊神經網絡的水質評價算法。
第25章 廣義神經網絡的聚類算法——網絡入侵聚類229
模糊聚類雖然能夠對數(shù)據聚類挖掘,但是由于網絡入侵特征數(shù)據維數(shù)較多,不同入侵類別間的數(shù)據差別較小,不少入侵模式不能被準確分類。本案例采用結合模糊聚類和廣義神經網絡回歸的聚類算法對入侵數(shù)據進行分類。
第26章 粒子群優(yōu)化算法的尋優(yōu)算法——非線性函數(shù)極值尋優(yōu)236
根據PSO算法原理,在MATLAB中編程實現(xiàn)基于PSO算法的函數(shù)極值尋優(yōu)算法。
第27章 遺傳算法優(yōu)化計算——建模自變量降維243
在第21章中,建立模型時選用的每個樣本(即病例)數(shù)據包括10個量化特征(細胞核半徑、質地、周長、面積、光滑性、緊密度、凹陷度、凹陷點數(shù)、對稱度、斷裂度)的平均值、10個量化特征的標準差和10個量化特征的最壞值(各特征的3個最大數(shù)據的平均值)共30個數(shù)據。明顯,這30個輸入自變量相互之間存在一定的關系,并非相互獨立的,因此,為了縮短建模時間、提高建模精度,有必要將30個輸入自變量中起主要影響因素的自變量篩選出來參與最終的建模。
第28章 基于灰色神經網絡的預測算法研究——訂單需求預測258
根據灰色神經網絡原理,在MATLAB中編程實現(xiàn)基于灰色神經網絡的訂單需求預測。
第29章 基于Kohonen網絡的聚類算法——網絡入侵聚類268
根據Kohonen網絡原理,在MATLAB軟件中編程實現(xiàn)基于Kohonen網絡的網絡入侵分類算法。
第30章 神經網絡GUI的實現(xiàn)——基于GUI的神經網絡擬合、模式識別、聚類277
為了便于使用MATLAB編程的新用戶,快速地利用神經網絡解決實際問題,MATLAB提供了一個基于神經網絡工具箱的圖形用戶界面??紤]到圖形用戶界面帶來的方便和神經網絡在數(shù)據擬合、模式識別、聚類各個領域的應用,MATLAB R2009a提供了三種神經網絡擬合工具箱(擬合工具箱/模式識別工具箱/聚類工具箱)。
下載地址
人氣書籍
下載聲明
☉ 解壓密碼:chabaoo.cn 就是本站主域名,希望大家看清楚,[ 分享碼的獲取方法 ]可以參考這篇文章
☉ 推薦使用 [ 迅雷 ] 下載,使用 [ WinRAR v5 ] 以上版本解壓本站軟件。
☉ 如果這個軟件總是不能下載的請在評論中留言,我們會盡快修復,謝謝!
☉ 下載本站資源,如果服務器暫不能下載請過一段時間重試!或者多試試幾個下載地址
☉ 如果遇到什么問題,請評論留言,我們定會解決問題,謝謝大家支持!
☉ 本站提供的一些商業(yè)軟件是供學習研究之用,如用于商業(yè)用途,請購買正版。
☉ 本站提供的MATLAB神經網絡30個案例分析 PDF掃描版[44MB]資源來源互聯(lián)網,版權歸該下載資源的合法擁有者所有。