神经网络理论及其在MATLAB 7中的应用（PDF）。

简介：
第一章 概述神经网络理论与MATLAB7实现。本章节旨在介绍神经网络的基本理论，并提供MATLAB 7环境下进行神经网络实现的实践指导。具体内容包括： 1.1 MATLAB语言简介：详细阐述MATLAB语言的特点及其在科学计算领域的应用。 1.1.1 MATLAB概述：介绍MATLAB的整体架构和主要功能。 1.1.2 MATLAB语言特点：深入探讨MATLAB语言的优势，例如其强大的矩阵运算能力和丰富的数学函数库。 1.1.3 MATLAB 7的安装：提供MATLAB 7安装所需的步骤和注意事项。 1.1.4 MATLAB 7的新特点：列举了MATLAB 7相对于前版本的主要改进和新增功能。 1.1.5 MATLAB 7的新产品及更新产品：介绍与MATLAB 7相关的其他产品或软件更新情况。 1.1.6 Simulink 6.0的新特点：简要概述Simulink 6.0的功能和改进。 1.2 MATLAB快速入门：提供快速学习和掌握MATLAB技能的方法，帮助用户尽快上手使用该工具。 1.2.1 命令行窗口：详细说明如何通过命令行窗口进行MATLAB编程操作。 1.2.2 其他重要窗口：介绍MATLAB中其他常用的窗口及其功能，例如编辑器窗口、调试器窗口等。 1.2.3 Editor/Debugger窗口：解释Editor/Debugger窗口的作用以及如何利用它进行代码编写和调试。 1.2.4 MATLAB帮助系统：说明如何有效地利用MATLAB自带的帮助系统获取相关信息。 1.3 神经网络发展史：回顾神经网络的发展历程，从早期阶段到现代发展趋势，梳理了神经网络的发展脉络。 1.3.1 初期阶段：描述神经网络发展的早期探索和研究成果。 1.3.2 停滞期：分析神经网络发展过程中遇到的挑战和困难，导致发展一度停滞的原因。 1.3.3 黄金时期：指出神经网络发展取得突破性的进展的时间段及其重要意义。 1.3.4 发展展望：展望未来神经网络的发展趋势和潜在应用领域。 1,4 神经网络模型: 对各种常见的神经网络模型进行详细阐述, 包括神经元结构模型以及不同类型的网络互连模式, 为后续的学习奠定基础 。 第2章 神经网络工具箱函数及实例 本章重点介绍用于神经网络开发的常用工具箱函数及其应用实例，旨在帮助用户掌握实际开发技能 。 2．１概述 本章将对整个工具箱的功能进行总体概括 。 ２．２神经网络工具箱中的通用函数: 详细列出并解释工具箱中常用的通用函数及其作用 。 ２．２．１神经网络仿真函数sim: 描述该函数的具体功能以及使用方法 。 ２．２．２神经网络训练及学习函数: 阐述用于训练和学习网络的各种算法及其原理 。 ２．２．３神经网络初始化函数: 介绍网络初始化过程的重要性以及常用的初始化方法 。 ２．２．４神经网络输入函数: 说明输入数据的准备方式以及数据格式要求 。 ２．２．５神经网络传递函数: 解释不同类型的传递函数及其对网络性能的影响 。 ２．２．６其他重要函数: 列出其他重要的辅助函数及功能描述 . 2\.３ 感知器的神经网络工具箱函数: 提供感知器作为基础构建块的创建、显示、性能评估等功能实现细节 . 2\.４ BP网络的神经网络工具箱函数: 对反向传播(BP)网络进行全面讲解, 包括网络创建、神经元传递、学习算法及训练过程等 . 2\.５线性网络的神经网络工具箱函数: 说明线性网络的基本结构、学习方法以及在实际应用中的价值 . 2\.６自组织竞争网络的神经网络工具箱函数 : 提供自组织竞争网络(SOM) 的创建、传递函数的设置、距离函数的选择等操作方法 . 2\.７径向基网络的神经网络工具箱函数 : 对径向基网络(RBF) 的结构设计、学习过程以及在非线性滤波等方面的应用进行详细介绍 . 2\.８反馈网络的神经网络工具箱 函数 : 分析反馈型网络（如Hopfield 网络 和 Elman 网络） 的结构特性与应用场景 . 第3章 前向型神经网络理论及MATLAB实现 本章深入探讨前向型神经网路的设计理论与实际实现方法 ，为后续更高级的网络类型打下基础 。 ３．１感知器网络及MATLAB实现 ：阐述单层感知器网络的基本原理与在MATLAB环境下的实现步骤 。