第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

3.1 各种常用信号和系统 3.2 一阶系统的时域分析 3.3 二阶系统的时域分析 3.4 高阶系统的时域分析 3.5 线性系统的稳定性分析 3.6 控制系统的稳态误差 3.7 基于MATLAB的线性系统时域分析

Hopfield网络结构和模型 Hopfield网络输出的计算过程(离散) Hopfield网络的稳定性 Hopfield网络的学习算法 Hopfield网络的几个问题 Hopfield网络的MATLAB实现示例

4.1 电力网络的数学模型 4.2 功率方程和节点分类 4.3 牛顿-拉夫逊法潮流计算 4.4 P-Q分解法潮流计算 4.5 Matlab 在电力系统潮流分析中的应用举例

 概述  Elman神经网络结构  Elman神经网络学习算法  Elman网络的MATLAB实现

3.1 各种常用信号和系统 3.2 一阶系统的时域分析 3.3 二阶系统的时域分析 3.4 高阶系统的时域分析 3.5 线性系统的稳定性分析 3.6 控制系统的稳态误差 3.7 基于MATLAB的线性系统时域分析 小结

5.1 引言 5.2 实现和最小实现 5.3 线性定常系统的最小实现 5.3.1 单变量系统的最小实现 5.3.2 向量传递函数（向量正则有理函数）的实现 5.3.3 用MATLAB求系统的最小实现

12.1 Simulink操作基础 12.2 系统仿真模型 12.3 系统的仿真 12.4 使用命令操作对系统进行仿真 12.5 子系统及其封装技术 12.6 S函数的设计与应用

第 1 章 基础准备及入门 第 2 章 符号计算 第 3 章 数值数组及向量化运算 第 4 章 数值计算 第 5 章 数据和函数的可视化 第 6 章 M 文件和函数句柄 第 7 章 SIMULINK 交互式仿真集成环境 第 8 章 图形用户界面（GUI） 第 9 章 Notebook

6.1 n维空间的线性变换 6.2 方阵的特征值和特征向量 6.3 相似矩阵与矩阵的对角化 6.4 实对称矩阵的对角化 6.5 二次型及其标准形 6.6 奇异值分解简介 6.7 应用实例 6.8 习题