通过对43个MATLAB神经网络案例的分析，可以深入了解其应用。

简介：
读者在使用案例时，只需将案例中的数据替换成自己需要处理的数据，即可构建出所需的网络。若在实际操作过程中遇到任何疑问，可以随时通过MATLAB中文论坛与作者进行交流，作者每日在线，并致力于解答所有问题。本书共收录30个MATLAB神经网络的实用案例（包含可运行程序），涵盖了BP、RBF、SVM、SOM、Hopfield、LVQ、Elman等多种神经网络技术；此外，还融入了PSO（粒子群）、灰色神经网络、模糊网络、概率神经网络以及遗传算法优化等相关内容。为了进一步帮助读者深入理解神经网络的原理和应用，本书同时提供了31个配套的教学视频。本书可作为本科毕业设计、研究生项目设计或博士低年级课题设计的重要参考书籍，同时亦能为广大科研人员提供极高的参考价值。图书目录详细列出了以下章节：第1章探讨了神经网络的数据分类，特别是语音特征信号分类；第2章阐述了BP神经网络构建非线性系统建模以及非线性函数拟合的方法；第3章则介绍了利用遗传算法优化BP神经网络以实现非线性函数拟合；第4章进一步探讨了神经网络与遗传算法结合用于函数极值寻优的问题；第5章则着重于基于BP_Adaboost的强分类器设计，并应用于公司财务预警建模；第6章讨论了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网络的回归及其在非线性函数回归中的实现；第8章则利用GRNN进行数据预测，具体是基于广义回归神经网络的货运量预测；第9章探讨了离散Hopfield神经网络的联想记忆以及数字识别的应用；第10章则分析了离散Hopfield神经网络在高校科研能力评价中的作用；第11章研究了连续Hopfield神经网络的优化方法，并将其应用于旅行商问题优化计算；第12章介绍了SVM的数据分类预测及其在意大利葡萄酒种类识别中的应用；第13章着重于SVM参数的优化策略，旨在提升分类器的性能；第14章则分析了SVM的回归预测分析，并应用于上证指数开盘指数预测；第15章深入探讨了SVM的信息粒化时序回归预测方法，用于上证指数开盘指数变化趋势和变化空间预测；第16章研究了自组织竞争网络在模式分类中的应用，并将其应用于患者癌症发病预测；第17章介绍了SOM神经网络的数据分类及其在柴油机故障诊断中的应用；第18章阐述了Elman神经网络的数据预测模型研究及电力负荷预测方面的内容；第19章探讨了概率神经网络的分类预测方法及其在变压器故障诊断中的应用；第20章关注的是神经网络变量筛选技术，特别是基于BP的神经网络变量筛选方法; 第21-30 章分别涵盖 LVQ 网络的分类与预测（人脸朝向识别）、小波网络的时间序列预测（短时交通流量）、模糊网络的预测算法（嘉陵江水质评价）、广义网络的聚类算法（网络入侵聚类）、粒子群优化算法的寻优算法（非线性函数极值寻优）、遗传算法优化计算（自变量降维）以及基于GUI 的神经网络拟合、模式识别和聚类等主题。