神經網絡算法是用來干什么的？神經網絡算法應用實例介紹

神經網絡算法是用來干什么的?

神經網絡算法是由多個神經元組成的算法網絡。邏輯性的思維是指根據邏輯規則進行推理的過程;它先將信息化成概念,并用符號表示,然后,根據符號運算按串行模式進行邏輯推理;這一過程可以寫成串行的指令,讓計算機執行。

邏輯性的思維是指根據邏輯規則進行推理的過程;它先將信息化成概念，并用符號表示，然后，根據符號運算按串行模式進行邏輯推理;這一過程可以寫成串行的指令，讓計算機執行。然而，直觀性的思維是將分布式存儲的信息綜合起來，結果是忽然間產生的想法或解決問題的辦法。這種思維方式的根本之點在于以下兩點：1.信息是通過神經元上的興奮模式分布存儲在網絡上;2.信息處理是通過神經元之間同時相互作用的動態過程來完成的。

神經網絡算法應用實例介紹

MATLAB中文論壇2010年出過一本書，北航出版社的，叫《MATLAB神經網絡30個案例分析 (豆瓣)》。我覺得把它作為入門書挺好的，每一章配有視頻和代碼，可以依樣畫葫蘆。剛剛順手還看到了另一本書《MATLAB智能算法30個案例分析》，看目錄貌似內容也比較接近的。

《神經網絡》包含的30個例子：

P神經網絡的數據分類——語音特征信號分類。

BP神經網絡的非線性系統建模——非線性函數擬合。

遺傳算法優化BP神經網絡——非線性函數擬合。

神經網絡遺傳算法函數極值尋優——非線性函數極值尋優。

基于BP_Adaboost的強分類器設計——公司財務預警建模。

PID神經元網絡解耦控制算法——多變量系統控制。

RBF網絡的回歸——非線性函數回歸的實現。

GRNN的數據預測——基于廣義回歸神經網絡的貨運量預測。

離散Hopfield神經網絡的聯想記憶——數字識別。

離散Hopfield神經網絡的分類——高校科研能力評價。

連續Hopfield神經網絡的優化——旅行商問題優化計算。

SVM的數據分類預測——意大利葡萄酒種類識別。

SVM的參數優化——如何更好的提升分類器的性能。

SVM的回歸預測分析——上證指數開盤指數預測。

SVM的信息粒化時序回歸預測——上證指數開盤指數變化趨勢和變化空間預測。

自組織競爭網絡在模式分類中的應用——患者癌癥發病預測。

SOM神經網絡的數據分類——柴油機故障診斷。

Elman神經網絡的數據預測——電力負荷預測模型研究。

概率神經網絡的分類預測——基于PNN的變壓器故障診斷。

神經網絡變量篩選——基于BP的神經網絡變量篩選。

LVQ神經網絡的分類——乳腺腫瘤診斷。

LVQ神經網絡的預測——人臉朝向識別。

小波神經網絡的時間序列預測——短時交通流量預測。

模糊神經網絡的預測算法——嘉陵江水質評價。

廣義神經網絡的聚類算法——網絡入侵聚類。

粒子群優化算法的尋優算法——非線性函數極值尋優。

遺傳算法優化計算——建模自變量降維。

基于灰色神經網絡的預測算法研究——訂單需求預測。

基于Kohonen網絡的聚類算法——網絡入侵聚類。

神經網絡GUI的實現——基于GUI的神經網絡擬合、模式識別、聚類。