神经网络算法是用来干什么的？神经网络算法应用实例介绍

神经网络算法是用来干什么的?

神经网络算法是由多个神经元组成的算法网络。逻辑性的思维是指根据逻辑规则进行推理的过程;它先将信息化成概念,并用符号表示,然后,根据符号运算按串行模式进行逻辑推理;这一过程可以写成串行的指令,让计算机执行。

逻辑性的思维是指根据逻辑规则进行推理的过程;它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理;这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生的想法或解决问题的办法。这种思维方式的根本之点在于以下两点：1.信息是通过神经元上的兴奋模式分布存储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。

神经网络算法应用实例介绍

MATLAB中文论坛2010年出过一本书，北航出版社的，叫《MATLAB神经网络30个案例分析 (豆瓣)》。我觉得把它作为入门书挺好的，每一章配有视频和代码，可以依样画葫芦。刚刚顺手还看到了另一本书《MATLAB智能算法30个案例分析》，看目录貌似内容也比较接近的。

《神经网络》包含的30个例子：

P神经网络的数据分类——语音特征信号分类。

BP神经网络的非线性系统建模——非线性函数拟合。

遗传算法优化BP神经网络——非线性函数拟合。

神经网络遗传算法函数极值寻优——非线性函数极值寻优。

基于BP_Adaboost的强分类器设计——公司财务预警建模。

PID神经元网络解耦控制算法——多变量系统控制。

RBF网络的回归——非线性函数回归的实现。

GRNN的数据预测——基于广义回归神经网络的货运量预测。

离散Hopfield神经网络的联想记忆——数字识别。

离散Hopfield神经网络的分类——高校科研能力评价。

连续Hopfield神经网络的优化——旅行商问题优化计算。

SVM的数据分类预测——意大利葡萄酒种类识别。

SVM的参数优化——如何更好的提升分类器的性能。

SVM的回归预测分析——上证指数开盘指数预测。

SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测。

自组织竞争网络在模式分类中的应用——患者癌症发病预测。

SOM神经网络的数据分类——柴油机故障诊断。

Elman神经网络的数据预测——电力负荷预测模型研究。

概率神经网络的分类预测——基于PNN的变压器故障诊断。

神经网络变量筛选——基于BP的神经网络变量筛选。

LVQ神经网络的分类——乳腺肿瘤诊断。

LVQ神经网络的预测——人脸朝向识别。

小波神经网络的时间序列预测——短时交通流量预测。

模糊神经网络的预测算法——嘉陵江水质评价。

广义神经网络的聚类算法——网络入侵聚类。

粒子群优化算法的寻优算法——非线性函数极值寻优。

遗传算法优化计算——建模自变量降维。

基于灰色神经网络的预测算法研究——订单需求预测。

基于Kohonen网络的聚类算法——网络入侵聚类。

神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类。