MATLAB人工智能应用场景实例电子书

封面页

书名页

版权页

内容简介

前言

目录

第1章　MATLAB数值计算

1.1　MATLAB数值计算基础

1.1.1　数据类型

1.1.2　常量和变量

1.1.3　数值计算示例

1.2　MATLAB数组、矩阵运算

1.2.1　数组与矩阵的概念

1.2.2　数组或矩阵元素的标识

1.2.3　数组与矩阵的输入

1.2.4　数组与矩阵的算术运算

1.2.5　向量及其运算

1.2.6　矩阵的特殊运算

1.2.7　数组的运算

1.2.8　字符串

1.3　MATLAB多项式及其运算

1.3.1　多项式求值

1.3.2　多项式求根

1.3.3　部分分式展开

1.3.4　多项式乘除

1.3.5　多项式的微积分

1.4　插值与拟合

1.4.1　一维插值问题

1.4.2　二维插值问题

1.4.3　曲线拟合

1.5　线性方程组求解

1.5.1　方程组解法

1.5.2　求线性方程组的通解

1.6　非线性方程与最优化问题

1.6.1　非线性方程数值求解

1.6.2　无约束最优化问题求解

1.6.3　有约束最优化问题求解

第2章　MATLAB绘图功能

2.1　二维图形绘制

2.1.1　绘制二维曲线的常用函数

2.1.2　绘制图形的辅助操作

2.1.3　绘制二维图形的其他函数

2.2　三维图形绘制

2.2.1　绘制三维曲线的常用函数

2.2.2　三维曲面图绘制

2.2.3　其他三维图形绘制

2.2.4　透明度作图

2.2.5　立体可视化

2.3　图形颜色映像的应用

2.4　光照和材质处理

2.4.1　光照处理

2.4.2　材质处理

2.5　图像显示技术

2.5.1　图像简介

2.5.2　图像的读取

2.5.3　图像的显示

2.6　动画制作技术

第3章　线性神经网络

3.1　线性神经元模型及结构

3.1.1　神经元模型

3.1.2　线性神经网络结构

3.2　LMS学习算法

3.3　LMS学习率的选择

3.3.1　稳定收敛的学习率

3.3.2　学习率逐渐下降

3.4　线性神经网络的构建

3.4.1　生成线性神经元

3.4.2　线性滤波器

3.4.3　自适应线性滤波

3.5　线性神经网络的训练

3.6　线性神经网络与感知器的对比

3.7　线性神经网络函数

3.7.1　创建函数

3.7.2　传输函数

3.7.3　学习函数

3.7.4　均方误差性能函数

3.8　线性神经网络的局限性

3.8.1　线性相关向量

3.8.2　学习速率过大

3.8.3　不定系统

3.9　线性神经网络的应用

3.9.1　逻辑与

3.9.2　逻辑异或

3.9.3　在噪声对消中的应用

3.9.4　在信号预测中的应用

第4章　MATLAB前向型神经网络

4.1　感知器

4.1.1　单层感知器模型

4.1.2　单层感知器的学习算法

4.1.3　感知器的局限性

4.1.4　单层感知器神经网络的MATLAB仿真

4.1.5　多层感知器神经网络及其MATLAB仿真

4.1.6　用于线性分类问题的进一步讨论

4.2　BP网络

4.2.1　BP神经元及其模型

4.2.2　BP网络的学习

4.2.3　BP网络的局限性

4.2.4　BP网络的MATLAB程序应用举例

4.3　径向基函数网络

4.3.1　径向基函数网络模型

4.3.2　径向基函数网络的构建

4.3.3　RBF网络应用实例

4.3.4　RBF网络的非线性滤波

4.4　GMDH网络

4.4.1　GMDH网络理论

4.4.2　GMDH网络的训练

4.4.3　基于GMDH网络的预测

第5章　神经网络预测与控制

5.1　电力系统负荷预报的MATLAB实现

5.1.1　问题描述

5.1.2　输入／输出向量设计

5.1.3　BP网络设计

5.1.4　网络训练

5.2　地震预报的MATLAB实现

5.2.1　概述

5.2.2　BP网络设计

5.2.3　BP网络训练与测试

5.2.4　地震预测的竞争网络模型

5.3　交通运输能力预测的MATLAB实现

5.3.1　背景概述

5.3.2　网络创建与训练

5.3.3　结论与分析

5.4　河道浅滩演变预测的MATLAB实现

5.4.1　基于BP网络的演变预测

5.4.2　基于RBF网络的演变预测

5.5　农作物虫情预测的MATLAB实现

5.5.1　基于神经网络的虫情预测原理

5.5.2　BP网络设计

5.6　用水测量的MATLAB实现

5.6.1　问题概述

5.6.2　RBF网络设计

5.7　神经网络模型预测控制

5.7.1　系统辨识

5.7.2　预测控制

5.7.3　神经网络模型预测控制器实例分析

5.8　NARMA-L2（反馈线性化）控制

5.8.1　NARMA-L2模型辨识

5.8.2　NARMA-L2控制器

5.8.3　NARMA-L2控制器实例分析

第6章　遗传算法分析

6.1　遗传算法的基本概述

6.1.1　遗传算法的特点

6.1.2　遗传算法的不足

6.1.3　遗传算法的构成要素

6.1.4　遗传算法的应用步骤

6.1.5　遗传算法的应用领域

6.2　遗传算法的分析

6.2.1　染色体的编码

6.2.2　适应度函数

6.2.3　遗传算子

6.3　控制参数的选择

6.4　遗传算法的MATLAB实现

6.5　遗传算法的寻优计算

6.6　遗传算法求极大值

6.6.1　二进制编码求极大值

6.6.2　实数编码求极大值

6.7　基于GA_PSO算法的寻优

6.8　GA的旅行商问题求解

6.8.1　定义TSP

6.8.2　遗传算法的TSP算法步骤

6.8.3　地图TSP的求解

6.9　遗传算法在实际领域中的应用

第7章　免疫算法分析

7.1　免疫算法概述

7.1.1　免疫算法的发展史

7.1.2　生物免疫系统

7.1.3　免疫算法的基本原理

7.1.4　免疫算法流程

7.1.5　免疫算法算子

7.1.6　免疫算法的特点

7.1.7　免疫算法的发展趋势

7.2　免疫遗传算法

7.2.1　免疫遗传算法的几个基本概念

7.2.2　免疫遗传算法的原理

7.2.3　免疫遗传算法的MATLAB实现

7.3　免疫算法的应用

7.3.1　免疫算法在优化中的应用

7.3.2　免疫算法在TSP中的应用

7.3.3　免疫算法在物流选址中的应用

7.3.4　免疫算法在故障检测中的应用

第8章　MATLAB非线性规划

8.1　非线性规划理论知识

8.1.1　典型的非线性规划

8.1.2　非线性规划常见问题

8.2　约束非线性规划基本概念

8.2.1　无约束非线性规划极值条件

8.2.2　有约束非线性规划极值条件

8.3　求解非线性规划

8.3.1　一维最优化方法

8.3.2　无约束最优化方法

8.3.3　约束最优化方法

8.4　非线性规划实例

8.4.1　证券投资组合问题

8.4.2　资金调用问题

8.4.3　销量最佳安排问题

第9章　MATLAB优化设计

9.1　优化设计背景

9.1.1　常规设计与优化设计

9.1.2　优化设计的发展情况

9.2　优化设计的数学模型

9.2.1　设计变量

9.2.2　设计约束

9.2.3　目标函数

9.2.4　几何意义

9.3　目标函数的极值条件

9.3.1　无约束目标函数的极值条件

9.3.2　有约束目标函数的极值条件

9.4　优化参数设置

第10章　自动控制系统MATLAB实现

10.1　自动控制系统的数学模型

10.1.1　线性定常连续系统

10.1.2　线性定常离散系统

10.2　数学模型的建立

10.2.1　传递函数模型

10.2.2　状态空间模型

10.2.3　零极点增益模型

10.2.4　频率响应数据模型

10.3　数学模型参数的获取

10.4　数学模型的转换

10.4.1　连续时间模型转换为离散时间模型

10.4.2　离散时间模型转换为连续时间模型

10.4.3　离散时间系统重新采样

10.4.4　传递函数模型转换为状态空间模型

10.4.5　传递函数模型转换为零极点增益模型

10.4.6　状态空间模型转换为传递函数模型

10.4.7　状态模型转换为零极点增益模型

10.4.8　零极点增益模型转换为传递函数模型

10.4.9　零极点增益模型转换为状态空间模型

10.5　数学模型的连接

10.5.1　优先原则

10.5.2　串联连接

10.5.3　并联连接

10.5.4　反馈连接

10.5.5　添加连接

10.5.6　复杂模型的连接

参考文献