本书是MATLAB“工程设计书库”系列丛书之一。该书共分10个章节，重点介绍了神经网络的基本原理和学习训练算法，详细介绍了由是MATLAB提供的神经网络工具箱函数的使用方法，并结合作者在科研中总结的应用示例，说明了基于MATLAB进行神经网络设计与应用的方法。可供各大专院校作为教材使用，也可供从事相关工作的人员作为参考用书使用。

本书利用目前国际上流行的MATLAB环境，结合神经网络工具箱，在深入浅出地介绍人工神经网络中的各种典型网络以及训练过程的基础上，利用MATLAB工具箱进行神经网络的设计与应用。本书给出了各种神经网络在不同应用时的网络性能分析与直观的图形结果，使读者更加透彻地了解各种神经网络的性能及其优缺点，从而达到正确、合理和充分应用神经网络的目的。

本书可作为计算机、电子学、信息科学、通信、控制等专业的本科生、研究生教材，也可作为其他专业科技人员学习神经网络或MATLAB及其神经网络工具箱的参考用书。

前言

第1章 神经网络概述

 1.1 神经网络的基本概念

1.1.1 生物神经元的结构与功能特点

1.1.2 人工神经元模型

1.1.3 神经网络的结构及工作方式

1.1.4 神经网络的学习

 1.2 神经网络的发展和应用

1.2.1 神经网络的发展

1.2.2 神经网络的研究内容

1.2.3 神经网络的应用

 1.3 神经网络的特点

 1.4 MATLAB语言及入门

1.4.1 MATLAB概述

1.4.2 MATLAB语言特点

1.4.3 MATLAB快速入门

 1.5 神经网络工具箱

第2章 感知神经网络

 2.1 单层感知器

2.1.1 感知器模型

2.1.2 感知器的功能

2.1.3 感知器的局限性

2.1.4 感知器的学习算法

2.1.5 单层感知器的MATLAB实现

 2.2 多层感知器

 2.3 感知器神经网络的学习和训练

2.3.1 学习规则

2.3.2 网络训练

 2.4 基于BP算法的多层感知器设计基础

2.4.1 网络信息容量与训练样本基础

2.4.2 训练样本集的设计

2.4.3 初始权值的设计

2.4.4 多层感知器的结构设计

2.4.5 网络训练与测试

 2.5 感知器设计实例

2.5.1 二输入感知器分类问题

2.5.2 输入奇异样本对网络训练的影响

2.5.3 线性不可分输入量

第3章 自组织竞争神经网络

 3.1 竞争学习的概念与原理

3.1.1 基本概念

3.1.2 竞争学习原理

 3.2 自组织神经网络模型

3.2.1 自组织特征映射神经网络结构

3.2.2 自组织特征映射网络学习算法

 3.3 自组织竞争网络的神经网络工具箱函数

3.3.1 神经网络创建函数

3.3.2 显示函数

3.3.3 变换函数

3.3.4 传递函数

3.3.5 距离函数

……

第4章 BP神经网络

第5章 线性神经网络

第6章 径向基函数神经网络

第7章 反馈神经网络及MATLAB实现

第8章 神经网络预测与控制

第9章 神经网络优化及故障诊断

第10章 图形用户界面设计

参考文献