神经网络包含43个源程序以及相关数据。

简介：
《MATLAB神经网络43个案例分析》是继《MATLAB神经网络30个案例分析》之后出版的一部新增资料，其部分章节深入探讨了常见的优化算法，例如遗传算法和粒子群算法，与神经网络协同应用的具体问题。本书可作为高等学校相关专业的本科生进行毕业设计，以及研究生进行课题研究的可靠参考书，同时亦可供相关专业的教师用于教学实践。本书共包含43章目录，详细阐述了以下内容：第1章介绍利用BP神经网络进行语音特征信号的数据分类；第2章则阐述了BP神经网络在非线性系统建模中的应用，重点在于非线性函数拟合；第3章探讨了如何通过遗传算法优化BP神经网络以实现非线性函数拟合；第4章进一步研究了神经网络与遗传算法结合用于非线性函数极值优化的方法；第5章着重于基于BP_Adaboost强分类器的设计，并将其应用于公司财务预警模型的构建；第6章则涉及PID神经元网络解耦控制算法在多变量系统控制中的应用；第7章详细阐述了RBF网络在非线性函数回归实现中的作用——货运量预测；第8章则介绍了GRNN网络的预测能力，具体是基于广义回归神经网络的货运量预测模型；第9章探讨了离散Hopfield神经网络在联想记忆方面的应用，并应用于数字识别任务；第10章则关注离散Hopfield神经网络在高校科研能力评价中的应用；第11章深入研究了连续Hopfield神经网络的优化方法，并将其应用于旅行商问题的计算优化；第12章初步探讨了初始SVM分类与回归的应用；第13章对LIBSVM参数进行了详细实例解析，以帮助读者更好地理解和运用该工具箱。第14章阐述了基于SVM的数据分类预测方法——意大利葡萄酒种类识别；第15章讨论了SVM参数的优化策略，旨在提升分类器的整体性能。 第16、17、18、19、20、21 章分别探讨了基于SVM的数据分类预测（意大利葡萄酒种类识别）、回归预测分析（上证指数开盘指数预测）、图像分割（真彩色图像分割）、手写字体识别以及LIBSVM-FarutoUltimate工具箱及GUI版本的介绍与使用。 第22-24 章分别介绍了自组织竞争网络在模式分类中的应用（患者癌症发病预测）、SOM神经网络的数据分类（柴油机故障诊断）、概率神经网络的分类预测（基于PNN的变压器故障诊断）和基于MIV的神经网络变量筛选（基于BP神经网络的变量筛选）。 第25-27 章分别介绍了LVQ神经网络的分类（乳腺肿瘤诊断）和预测（人脸朝向识别），以及决策树分类器的应用研究——乳腺癌诊断。 第28-30 章分别探讨了极限学习机在回归拟合及分类问题中的应用研究——对比实验、基于随机森林思想的组合分类器设计——乳腺癌诊断。 第31-33 章分别介绍了思维进化算法优化BP神经网络、小波神经网络的时间序列预测以及模糊神经网络的预测算法——嘉陵江水质评价。 第34-36 章分别介绍了广义神经网络的聚类算法、粒子群优化算法的寻优算法以及遗传算法优化计算——建模自变量降维。 第37-38 章分别介绍了基于灰色神经网络的预测算法研究（订单需求预测）和基于Kohonen网络的聚类算法——网络入侵聚类。 第39-40 章分别介绍了神经网络GUI的实现及其在拟合、模式识别和聚类方面的应用，以及动态神经网络时间序列预测研究——基于MATLAB的NARX实现。 第41-43 章则讨论了定制化网络的实现——个性化建模与仿真、并行运算与神经网络——基于CPU/GPU的并行计算以及神经网路的有效编程技巧——探索MATLAB R2012b新版本特性。