MATLAB人工智能應用場景實例
梁佩瑩
相關主題
商品描述
"本書以MATLAB為平臺，以人工智能算法為背景，全面系統地介紹了人工智能的各種新型算法。書中內容以理論為基礎，以實際應用為主導，循序漸進地向讀者展示了怎樣利用MATLAB人工智能算法解決實際問題。全書共分為10章，主要包括 MATLAB數值計算、 MATLAB繪圖功能、線性神經網絡、MATLAB前向型神經網絡、神經網絡預測與控制、遺傳算法分析、免疫算法分析、MATLAB非線性規劃、MATLAB優化設計、自動控制系統MATLAB實現等內容。 本書可以作為廣大在校本科生和研究生的學習用書，也可以作為廣大科研人員、學者、工程技術人員的相關參考用書。 "
目錄大綱
目錄
下載源碼
第1章MATLAB數值計算
1.1MATLAB數值計算基礎
1.1.1數據類型
1.1.2常量和變量
1.1.3數值計算示例
1.2MATLAB數組、矩陣運算
1.2.1數組與矩陣的概念
1.2.2數組或矩陣元素的標識
1.2.3數組與矩陣的輸入
1.2.4數組與矩陣的算術運算
1.2.5向量及其運算
1.2.6矩陣的特殊運算
1.2.7數組的運算
1.2.8字符串
1.3MATLAB多項式及其運算
1.3.1多項式求值
1.3.2多項式求根
1.3.3部分分式展開
1.3.4多項式乘除
1.3.5多項式的微積分
1.4插值與擬合
1.4.1一維插值問題
1.4.2二維插值問題
1.4.3曲線擬合
1.5線性方程組求解
1.5.1方程組解法
1.5.2求線性方程組的通解
1.6非線性方程與最優化問題
1.6.1非線性方程數值求解
1.6.2無約束最優化問題求解
1.6.3有約束最優化問題求解
第2章MATLAB繪圖功能
2.1二維圖形繪制
2.1.1繪制二維曲線的常用函數
2.1.2繪制圖形的輔助操作
2.1.3繪制二維圖形的其他函數
2.2三維圖形繪制
2.2.1繪制三維曲線的常用函數
2.2.2三維曲面圖繪制
2.2.3其他三維圖形繪制
2.2.4透明度作圖
2.2.5立體可視化
2.3圖形顏色映像的應用
2.4光照和材質處理
2.4.1光照處理
2.4.2材質處理
2.5圖像顯示技術
2.5.1圖像簡介
2.5.2圖像的讀取
2.5.3圖像的顯示
2.6動畫制作技術
第3章線性神經網絡
3.1線性神經元模型及結構
3.1.1神經元模型
3.1.2線性神經網絡結構
3.2LMS學習算法
3.3LMS學習率的選擇
3.3.1穩定收斂的學習率
3.3.2學習率逐漸下降
3.4線性神經網絡的構建
3.4.1生成線性神經元
3.4.2線性濾波器
3.4.3自適應線性濾波
3.5線性神經網絡的訓練
3.6線性神經網絡與感知器的對比
3.7線性神經網絡函數
3.7.1創建函數
3.7.2傳輸函數
3.7.3學習函數
3.7.4均方誤差性能函數
3.8線性神經網絡的局限性
3.8.1線性相關向量
3.8.2學習速率過大
3.8.3不定系統
3.9線性神經網絡的應用
3.9.1邏輯與
3.9.2邏輯異或
3.9.3在噪聲對消中的應用
3.9.4在信號預測中的應用
第4章MATLAB前向型神經網絡
4.1感知器
4.1.1單層感知器模型
4.1.2單層感知器的學習算法
4.1.3感知器的局限性
4.1.4單層感知器神經網絡的MATLAB仿真
4.1.5多層感知器神經網絡及其MATLAB仿真
4.1.6用於線性分類問題的進一步討論
4.2BP網絡
4.2.1BP神經元及其模型
4.2.2BP網絡的學習
4.2.3BP網絡的局限性
4.2.4BP網絡的MATLAB程序應用舉例
4.3徑向基函數網絡
4.3.1徑向基函數網絡模型
4.3.2徑向基函數網絡的構建
4.3.3RBF網絡應用實例
4.3.4RBF網絡的非線性濾波
4.4GMDH網絡
4.4.1GMDH網絡理論
4.4.2GMDH網絡的訓練
4.4.3基於GMDH網絡的預測
第5章神經網絡預測與控制
5.1電力系統負荷預報的MATLAB實現
5.1.1問題描述
5.1.2輸入/輸出向量設計
5.1.3BP網絡設計
5.1.4網絡訓練
5.2地震預報的MATLAB實現
5.2.1概述
5.2.2BP網絡設計
5.2.3BP網絡訓練與測試
5.2.4地震預測的競爭網絡模型
5.3交通運輸能力預測的MATLAB實現
5.3.1背景概述
5.3.2網絡創建與訓練
5.3.3結論與分析
5.4河道淺灘演變預測的MATLAB實現
5.4.1基於BP網絡的演變預測
5.4.2基於RBF網絡的演變預測
5.5農作物蟲情預測的MATLAB實現
5.5.1基於神經網絡的蟲情預測原理
5.5.2BP網絡設計
5.6用水測量的MATLAB實現
5.6.1問題概述
5.6.2RBF網絡設計
5.7神經網絡模型預測控制
5.7.1系統辨識
5.7.2預測控制
5.7.3神經網絡模型預測控制器實例分析
5.8NARMAL2（反饋線性化）控制
5.8.1NARMAL2模型辨識
5.8.2NARMAL2控制器
5.8.3NARMAL2控制器實例分析
第6章遺傳算法分析
6.1遺傳算法的基本概述
6.1.1遺傳算法的特點
6.1.2遺傳算法的不足
6.1.3遺傳算法的構成要素
6.1.4遺傳算法的應用步驟
6.1.5遺傳算法的應用領域
6.2遺傳算法的分析
6.2.1染色體的編碼
6.2.2適應度函數
6.2.3遺傳算子
6.3控制參數的選擇
6.4遺傳算法的MATLAB實現
6.5遺傳算法的尋優計算
6.6遺傳算法求極大值
6.6.1二進制編碼求極大值
6.6.2實數編碼求極大值
6.7基於GA_PSO算法的尋優
6.8GA的旅行商問題求解
6.8.1定義TSP
6.8.2遺傳算法的TSP算法步驟
6.8.3地圖TSP的求解
6.9遺傳算法在實際領域中的應用
第7章免疫算法分析
7.1免疫算法概述
7.1.1免疫算法的發展史
7.1.2生物免疫系統
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免疫算法的特點
7.1.7免疫算法的發展趨勢
7.2免疫遺傳算法
7.2.1免疫遺傳算法的幾個基本概念
7.2.2免疫遺傳算法的原理
7.2.3免疫遺傳算法的MATLAB實現
7.3免疫算法的應用
7.3.1免疫算法在優化中的應用
7.3.2免疫算法在TSP中的應用
7.3.3免疫算法在物流選址中的應用
7.3.4免疫算法在故障檢測中的應用
第8章MATLAB非線性規劃
8.1非線性規劃理論知識
8.1.1典型的非線性規劃
8.1.2非線性規劃常見問題
8.2約束非線性規劃基本概念
8.2.1無約束非線性規劃極值條件
8.2.2有約束非線性規劃極值條件
8.3求解非線性規劃
8.3.1一維最優化方法
8.3.2無約束最優化方法
8.3.3約束最優化方法
8.4非線性規劃實例
8.4.1證券投資組合問題
8.4.2資金調用問題
8.4.3銷量最佳安排問題
第9章MATLAB優化設計
9.1優化設計背景
9.1.1常規設計與優化設計
9.1.2優化設計的發展情況
9.2優化設計的數學模型
9.2.1設計變量
9.2.2設計約束
9.2.3目標函數
9.2.4幾何意義
9.3目標函數的極值條件
9.3.1無約束目標函數的極值條件
9.3.2有約束目標函數的極值條件
9.4優化參數設置
第10章自動控制系統MATLAB實現
10.1自動控制系統的數學模型
10.1.1線性定常連續系統
10.1.2線性定常離散系統
10.2數學模型的建立
10.2.1傳遞函數模型
10.2.2狀態空間模型
10.2.3零極點增益模型
10.2.4頻率響應數據模型
10.3數學模型參數的獲取
10.4數學模型的轉換
10.4.1連續時間模型轉換為離散時間模型
10.4.2離散時間模型轉換為連續時間模型
10.4.3離散時間系統重新采樣
10.4.4傳遞函數模型轉換為狀態空間模型
10.4.5傳遞函數模型轉換為零極點增益模型
10.4.6狀態空間模型轉換為傳遞函數模型
10.4.7狀態模型轉換為零極點增益模型
10.4.8零極點增益模型轉換為傳遞函數模型
10.4.9零極點增益模型轉換為狀態空間模型
10.5數學模型的連接
10.5.1優先原則
10.5.2串聯連接
10.5.3並聯連接
10.5.4反饋連接
10.5.5添加連接
10.5.6復雜模型的連接
參考文獻
