ndongf的专栏

讲解了古希腊和罗马的各种神的起源以及发展事迹，非常全面的一个书籍。

介绍了dsp技术的原理，以及一些应用，包括了源程序。

目录 前言 常用符号表 第一篇 直流调速系统和随动系统 第一章 闭环控制的直流调速系统 1-1 直流调速系统用的可控直流电源 1-2 晶闸管-电动机系统的特殊问题 1-3 反馈控制闭环调速系统的稳态分析和设计 1-4 反馈控制闭环调速系统的动态分析和设计 1-5 无静差调速系统和积分、比例积分控制规律 1-6 电压反馈电流补偿控制的调速系统 第二章 多环控制的直流调速系统 2-1 转速、电流双闭环调速系统及其静特性 2-2 双闭环调速系统的动态性能 2-3 调节器的工程设计方法 2-4 按工程设计方法设计双闭环系统 2-5 转速超调的抑制——转速微分负反馈 2-6 三环调速系统 2-7 弱磁控制的直流调速系统 第三章 可逆调速系统 3-1 晶闸管-电动机系统的可逆线路 3-2 晶闸管-电动机系统的回馈制动 3-3 两组晶闸管可逆线路中的环流 3-4 有环流可逆调速系统 3-5 无环流可逆调速系统 第四章 直流脉宽调速系统 4-1 脉宽调制变换器 4-2 脉宽调速系统的开环机械特性 4-3 脉宽调速系统的控制电路 4-4 晶体管脉宽调速系统的特殊问题 第五章 位置随动系统 5-1 位置随动系统概述 5-2 位置信号的检测 5-3 自整角机位置随动系统及其设计 第二篇 交流调速系统 第六章 交流调速的基本类型和交流变压调速系统 6-1 交流调速的基本类型 6-2 闭环控制的交流变压调速系统——一种转动差功率消耗型调速系统 第七章 异步电动机变压变频调速系统 7-1 变频调速的基本控制方式 7-2 静止式变频装置 7-3 正弦波脉宽调制逆变器 7-4 异步电动机电压、频率协调控制的稳态机械特性 7-5 转速开环、恒压频比控制的变频调速系统 7-6 转速闭环、转差频率控制的变频调速系统 7-7 异步电动机的多变理数学模型和坐标变换 7-8 矢量控制的变频调速系统 第八章 绕线转子异步电动机串级调速系统——转差功率回馈型的调速系统 第九章 同步电动机的变频调速系统 附录 参考文献

支持向量机是数据挖掘中的一个新方法。支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。希望《数据挖掘中的新方法——支持向量机》能促进它在我国的普及与提高。 《数据挖掘中的新方法——支持向量机》对象既包括关心理论的研究工作者，也包括关心应用的实际工作者。对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对支持向量机的本质有一个概括的理解，从而用它解决自己的问题。 《数据挖掘中的新方法——支持向量机》适合高等院校高年级学生、研究生、教师和相关科研人员及相关领域的实际工作者使用。 序言 符号表 第1章 最优化问题及其基本理论 1·1 最优化问题 1·2 最优性条件 1·3 对偶理论 1·4 注记 参考文献 第2章 求解分类问题和回归问题的直观途径 2·1 分类问题的提出 2·2 线性分类学习机 2·3 支持向量分类机 2·4 线性回归学习机 2·5 支持向量回归机 2·6 注记 参考文献 第3章 核 3·1 描述相似性的工具——内积 3·2 多项式空间和多项式核 3·3 Mercer核 3·4 正定核 3·5 核的构造 3·6 注记 参考文献 第4章 推广能力的理论估计 4·1 损失函数和期望风险 4·2 求解分类问题的一种途径和一个算法模型 4·3 VC维 4·4 学习算法在概率意义下的近似正确性 4·5 一致性概念和关键定理 4·6 结构风险最小化 4·7 基于间隔的推广估计 4·8 注记 参考文献 第5章 分类问题 5·1 最大间隔原则 5·2 线性可分支持向量分类机 5·3 线性支持向量分类机 5·4 支持向量分类机 5·5 ν-支持向量分类机(ν-SVC) 5·6 ν-支持向量分类机(ν-SVC)和C-支持向量分类机(C-SVC)的关系 5·7 多类分类问题 5·8 一个例子 5·9 注记 参考文献 第6章 回归估计 6·1 回归问题 6·2 ε-支持向量回归机 6·3 ν-支持向量回归机 6·4 ε-支持向量回归机(ε-SVR)与ν-支持向量回归机(ν-SVR)的关系 6·5 其他形式的支持向量回归机 6·6 其他形式的损失函数 6·7 一些例子 6·8 注记 参考文献 第7章 算法 7·1 无约束问题解法 7·2 内点算法 7·3 求解大型问题的算法 7·4 注记参考文献 第8章 应用 8·1 模型选择问题 8·2 分类问题的线性分划中的特征选择 8·3 模型选择 8·4 静态图像中球的识别 8·5 自由曲面的重建问题 8·6 应用简介 8·7 核技巧的应用 8·8 注记 参考文献 附录A 基础知识 A·1 基本定义 A·2 梯度和Hesse矩阵 A·3 方向导数 A·4 Taylor展开式 A·5 分离定理 附录B Hilbert空间 B·1 向量空间 B·2 内积空间 B·3 Hilbert空间 B·4 算子、特征值和特征向量 附录C 概率 C·1 概率空间 C·2 随机变量及其分布 C·3 随机变量的数字特征 C·4 大数定律 附录D 鸢尾属植物数据集 英汉术语对照表

神经网络理论与MATLAB7实现.part1的下载地址： http://download.csdn.net/source/663471 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

第1章 概述 神经网络理论与MATLAB7实现.part2的下载地址： http://download.csdn.net/source/663497 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