《MATLAB神经网络30个案例分析》学习笔记

《MATLAB神经网络30个案例分析》学习记录（待更新）：

1.      数据分类，分类——多个输出，向量表示 [1 0 0] [0 1 0] [0 0 1]这样

2.      分线性系统建模，拟合参数，用一定量的输入输出数据训练神经网络即可

3.      遗传算法优化BP神经网络——非线性函数的拟合，神经网络可以看成一个预测函数，而遗传算法优化BP神经网络可以看成是对预测函数的某些参数进行优化，种群的每个个体包含一个网络所有的权值和阈值，把预测输出和期望输出之间的误差绝对值和E作为个体适应度值F

4.      神经网络遗传算法函数极值寻找——我的理解：只不过是优化遗传算法适应度函数的计算，先训练神经网络，训练好后，开始遗传算法部分，计算适应度时，将神经网络的输出结果作为该个体的适应度

5.      基于Ada_Boost的强分类器设计和强预测器设计，在强分类器中增加预测错类别样本的权重，在强预测器中增加预测误差超过阈值样本的权重

6.      PID神经元网络解耦控制算法，不是很懂，貌似是优化控制系统，减小控制偏差