本书是“MATLAB应用技术”系列丛书之一，以最新推出的MATLAB 7中的神经网络工具箱4.0.3版本为基础。本书前两章介绍了MATLAB 7和神经网络的基础知识，对神经网络工具箱的重要函数分门别类地进行了详细介绍，并给出了完整的示例。从第3章到第5章，分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和BP网络等，并介绍了这些网络的结构及学习算法，以及MATLAB的实现方法。第6章介绍了神经网络的图形用户界面。后5章分别讲述了如何利用神经网络工具箱解决控制、故障诊断、预测和有源消声等应用领域中的实际问题。
本书可作为理工科各专业的高年级本科生、研究生学习神经网络的辅助教材，也可作为研究和应用这一领域的科技工作者的参考书。

第1章 概述
1.1 MATLAB语言简介
1.1.1 MATLAB概述
1.1.2 MATLAB语言特点
1.1.3 MATLAB 7的安装
1.1.4 MATLAB 7的新特点
1.1.5 MATLAB 7的新产品及更新产品
1.1.6 Simulink 6.0的新特点
1.2 MATLAB快速入门
1.2.1 命令行窗口
1.2.2 其他重要窗口
1.2.3 Editor/Debugger窗口
1.2.4 MATLAB帮助系统
1.2.5 神经网络工具箱快速入门
1.3 神经网络发展史
1.3.1 初期阶段
1.3.2 停滞期
1.3.3 黄金时期
1.3.4 发展展望
1.4 神经网络模型
1.4.1 神经元结构模型
1.4.2 神经网络的互连模式
1.5 神经网络的特性及实现
1.6 小结
第2章 神经网络工具箱函数及实例
2.1 概述
2.2 神经网络工具箱中的通用函数
2.2.1 神经网络仿真函数sim
2.2.2 神经网络训练及学习函数
2.2.3 神经网络初始化函数
2.2.4 神经网络输入函数
2.2.5 神经网络传递函数
2.2.6 其他重要函数
2.3 感知器的神经网络工具箱函数
2.3.1 感知器创建函数
2.3.2 显示函数
2.3.3 性能函数
2.4 BP网络的神经网络工具箱函数
2.4.1 BP网络创建函数
2.4.2 神经元上的传递函数
2.4.3 BP网络学习函数
2.4.4 BP网络训练函数
2.4.5 性能函数
2.4.6 显示函数
2.5 线性网络的神经网络工具箱函数
2.5.1 线性网络创建和设计函数
2.5.2 学习函数
2.6 自组织竞争网络的神经网络工具箱函数
2.6.1 神经网络创建函数
2.6.2 传递函数
2.6.3 距离函数
2.6.4 学习函数
2.6.5 初始化函数
2.6.6 权值函数
2.6.7 显示函数
2.6.8 结构函数
2.7 径向基网络的神经网络工具箱函数
2.7.1 神经网络创建函数
2.7.2 转换函数
2.7.3 传递函数
2.8 反馈网络的神经网络工具箱函数
2.8.1 Hopfield网络的工具箱函数
2.8.2 Elman网络的工具箱函数
2.9 小结
第3章 前向型神经网络理论及MATLAB实现
3.1 感知器网络及MATLAB实现
3.1.1 单层感知器网络
3.1.2 多层感知器
3.2 BP网络及MATLAB实现
3.2.1 BP网络理论
3.2.2 BP网络的MATLAB设计
3.3 线性神经网络及MATLAB实现
3.3.1 线性神经网络的结构
3.3.2 线性神经网络的学习
3.3.3 线性网络的MATLAB仿真
3.4 径向基函数网络及MATLAB实现
3.4.1 径向基网络结构
3.4.2 径向基函数的学习过程
3.4.3 RBF网络应用实例
3.4.4 基于RBF网络的非线性滤波
3.4.5 基于GRNN的函数逼近
3.4.6 基于概率神经网络的分类
3.5 GMDH网络及MATLAB实现
3.5.1 GMDH网络理论
3.5.2 GMDH网络的训练
3.5.3 基于GMDH网络的预测
3.6 小结
第4章 反馈型神经网络理论及MATLAB实现
4.1 Elman神经网络及应用
4.1.1 Elman神经网络结构
4.1.2 Elman神经网络的学习过程
4.1.3 Elman神经网络的工程应用
4.1.4 基于Elman网络的空调负荷预测
4.2 Hopfield神经网络及MATLAB实现
4.2.1 Hopfield网络描述
4.2.2 Hopfield网络的学习过程
4.2.3 几个重要结论
4.2.4 Hopfield网络的MATLAB开发
4.2.5 基于Hopfield网络的数字识别
4.3 CG网络模型及应用
4.3.1 CG神经网络理论
4.3.2 基于CG网络的有限元分析
4.4 盒中脑（BSB）模型及MATLAB实现
4.4.1 BSB神经网络模型描述
4.4.2 BSB的MATLAB实现
4.5 双向联想记忆（BAM）及MATLAB实现
4.5.1 Kosko型BAM网络模型
4.5.2 BAM网络的实例分析
4.6 回归BP网络及应用
4.6.1 回归BP网络概述
4.6.2 基于回归BP网络的房价预测
4.7 Boltzmann机网络及仿真
4.7.1 BM网络的基本结构
4.7.2 BM模型的工作规则和学习规则
4.7.3 BM网络的MATLAB仿真
4.8 小结
第5章 自组织与LVQ神经网络理论及MATLAB实现
5.1 自组织竞争网络及MATLAB实现
5.1.1 基本竞争型神经网络概述
5.1.2 自组织竞争网络的应用
5.2 自组织特征映射（SOM）神经网络及MATLAB实现
5.2.1 SOM网络的结构
5.2.2 SOM网络学习算法
5.2.3 基于SOM网络的土壤分类
5.2.4 基于SOM网络的人口分类
5.3 自适应共振理论模型（ART）及MATLAB实现
5.3.1 ART-1型网络模型描述
5.3.2 ART-1网络的学习及工作过程
5.3.3 ART-1网络的应用实例
5.4 学习矢量量化（LVQ）神经网络及MATLAB实现
5.4.1 LVQ网络的结构
5.4.2 LVQ网络的学习规则
5.4.3 基于LVQ网络的模式识别
5.5 对向传播网络（CPN）及MATLAB实现
5.5.1 CPN概述
5.5.2 CPN应用实例
5.6 小结
第6章 图形用户界面GUI
第7章 神经网络控制理论及应用设计
第8章 基于神经网络的故障诊断
第9章 基于神经网络的预测
第10章 基于神经网络的模糊控制
参考文献

前言：

自上世纪80年代末以来，神经网络这个涉及多种学科的新的高科技领域，吸引了众多的神经生理学家、心理学家、数理科学家、计算机与信息科学家及工程师和企业家等进行研究和应用。大量的有关神经网络机理、模型、算法特性分析，以及在各领域应用的学术论文像雨后春笋般在报刊杂志上和许多国际学术会议中涌现。神经网络日益成为当代高科技领域中方兴未艾的竞争热点。

MATLAB是一款强大的工程计算和仿真软件，刚刚发布的R14产品族比以往任何版本都更加强大，其中的神经网络功能提供了大量可直接调用的函数和命令，基本上囊括了目前应用比较成熟的神经网络设计方法。用MATLAB来编写各种网络设计与训练的子程序，可以使用户从繁琐的编程中解脱出来，大大提高工作效率和解题质量。因此，如何应用神经网络工具箱函数来解决工程实践中的问题已成为燃眉之急。我们根据自身多年来从事神经网络系统设计和MATLAB使用的经验编写了本书。除了详细介绍各个工具箱函数之外，还着重讲解了利用MATLAB进行神经网络系统分析与设计的大量实例。

本书是介绍应用MATLAB软件 R14版本进行神经网络设计和应用的最新书籍。本书前两章介绍了MATLAB 7和神经网络的基础知识，对神经网络工具箱的重要函数分门别类地进行了详细介绍，并给出了完整的示例。从第3章到第5章，分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和BP网络等，并介绍了这些网络的结构及学习算法，以及MATLAB的实现方法。第6章介绍了神经网络的图形用户界面。后5章分别讲述了如何利用神经网络工具箱解决控制、故障诊断、预测和有源消声等应用领域中的实际问题。

全书通过大量的MATLAB实例为读者讲述了神经网络的MATLAB实现方法，形象生动，图文并茂，深入浅出，脉络清晰，可读性强。相信广大读者通过认真学习本书，可以快速学会神经网络技术和MATLAB实现方法，并建立牢固的知识基础，真正做到“事半功倍”，起到课堂上无法达到的学习效果。

本书由飞思科技产品研发中心策划并组织编写，孙志强、葛哲学负责全书的统稿与审校工作。孙志强、廖剑利、张建、肖俊同志负责本书第1章到第5章的编写；葛哲学、邱忠、安卫华、杨勇等负责本书第6、7、9、10章的编写；刘瑛、李浩明、潘薇、陈仲生负责本书的第8章和第11章的编写。此外，张丽娜、安莹、孙金华、刘美琴、张珏琼、谢光军、朱国强、郭玉玲、卿慧玲、王勇、葛诚、胡雷、胡艳等负责书稿的材料整理和测试工作，并提供了大量的帮助与意见。另外，还有很多同志在本书的编校过程中付出了大量的劳动，在此一并表示衷心的感谢。

本书可作为各领域工程技术人员的参考用书，也可作为高等学校理工类各专业高年级本科生和研究生的神经网络课程的教材，还可作为其他科技工作者应用神经网络的参考资料。

由于时间仓促加之作者本身水平有限，书中错误之处在所难免。在此，敬请各领域专家和广大读者批评指正。

我们的联系方式如下：

咨询电话：（010）68134545 68131648

电子邮件：support@fecit.com.cn

服务网址：http://www.fecit.com.cn http://www.fecit.net

通用网址：计算机图书、飞思、飞思教育、飞思科技、FECIT

编著者

2005年1月1日