机械工业出版社智能系统与技术丛书神经网络编程实战:JAVA语言实现(原书第2版)

本书特色

[

本书由10章构成。首先,系统、全面地阐述神经网络相关概念、知识点及特征。然后,重点介绍神经网络学习过程的细节,如何用Java实现神经网络特性及设计神经网络架构,如何优化调整神经网络参数等。后,介绍一些经典案例。本书适合神经网络初学者阅读,也可以作为智能化软件开发人员的工具书。

]

内容简介

[

本书由10章构成。首先,系统、全面地阐述神经网络相关概念、知识点及特征。然后,重点介绍神经网络学习过程的细节,如何用Java实现神经网络特性及设计神经网络架构,如何优化调整神经网络参数等。后,介绍一些经典案例。本书适合神经网络初学者阅读,也可以作为智能化软件开发人员的工具书。

]

目录

CONTENTS目  录译者序作者和审校者简介前言第1章 神经网络入门 11.1 探索神经网络 11.2 人工神经网络 21.2.1 神经网络是如何组织的 31.2.2 基本元素—人工神经元 31.2.3 赋予神经元生命—激活函数 41.2.4 可变参数—权重 51.2.5 额外参数—偏置 61.2.6 由部分到整体—层 61.2.7 神经网络体系结构 71.2.8 单层网络 71.2.9 多层网络 81.2.10 前馈网络 81.2.11 反馈网络 81.3 从无知到认知—学习过程 91.4 开始编程—神经网络实践 101.5 神经元类 121.6 NeuralLayer类 141.7 ActivationFunction接口 151.8 神经网络类 151.9 运行程序 171.10 本章小结 19第2章神经网络学习 202.1 神经网络的学习能力 212.2 学习模式 222.2.1 监督学习 222.2.2 无监督学习 222.3 学习过程 232.3.1 寻找损失函数*优下降方向 242.3.2 在学习过程中更新权重 252.3.3 计算损失函数 252.3.4 一般误差和总体误差 272.3.5 神经网络的迭代学习什么时候停止比较好 272.4 学习算法示例 282.4.1 δ规则 292.4.2 学习率 302.4.3 实现δ规则 302.4.4 δ规则学习的核心—train和calcNewWeight方法 312.4.5 另一种学习算法—Hebbian学习 342.4.6 学习机 352.5 在实践中理解学习过程 372.6 测试 412.7 本章小结 43第3章 感知机和监督学习 443.1 监督学习—训练神经网络 453.1.1 分类—寻找合适的类别 453.1.2 回归—将实际输入映射到输出 463.2 一个基本的神经结构—感知机 483.2.1 应用和限制 493.2.2 线性可分 493.2.3 “异或”问题 503.3 多层感知机 523.3.1 MLP属性 523.3.2 MLP权重 533.3.3 递归MLP 543.3.4 编码实现MLP 543.4 MLP学习 553.4.1 反向传播算法 563.4.2 动量项 583.4.3 编码实现反向传播 583.4.4 Levenberg-Marquardt算法 623.4.5 编码实现基于矩阵代数的Levenberg-Marquardt算法 643.4.6 极限学习机 663.5 实例1—基于δ规则和反向传播的“异或”问题 693.6 实例2—预测入学状态 723.7 本章小结 75第4章 自组织映射 764.1 无监督神经网络 764.2 无监督学习算法 774.2.1 竞争学习 784.2.2 竞争层 804.3 Kohonen自组织映射 824.3.1 将神经网络代码扩展至Kohonen 834.3.2 零维SOM 844.3.3 一维SOM 844.3.4 二维SOM 854.3.5 2D竞争层 874.3.6 SOM学习算法 894.3.7 邻近神经元的影响—邻域函数 904.3.8 学习率 914.3.9 竞争学习的一个新类 924.3.10 SOM可视化 954.3.11 绘制训练数据集和神经元权重的2D图 974.3.12 测试Kohonen学习 994.4 本章小结 105第5章 预报天气 1065.1 神经网络用于回归问题 1065.2 加载/选择数据 1085.2.1 创建辅助类 1085.2.2 从CSV文件加载数据集 1115.2.3 创建时序结构 1125.2.4 丢弃NaN 1135.2.5 获取天气数据 1145.2.6 天气变量 1155.3 选择输入和输出变量 1155.4 预处理 1175.4.1 归一化 1175.4.2 应用NeuralDataSet处理归一化 1215.4.3 应用学习算法进行归一化 1235.4.4 天气预报的Java实现 1235.4.5 收集天气数据 1235.4.6 延迟变量 1265.4.7 加载数据并开始运行 1265.4.8 相关性分析 1285.4.9 创建神经网络 1315.4.10 训练和测试 1315.4.11 可视化神经网络的输出 1335.5 神经网络实验设计 1345.5.1 设计实验 1345.5.2 结果和模拟 1355.6 本章小结 138第6章 疾病分类识别 1396.1 分类问题的基础 1396.1.1 分类数据 1406.1.2 处理分类数据 1416.2 逻辑回归 1426.2.1 多分类与二分类 1436.2.2 混淆矩阵 1446.2.3 敏感性与特异性 1446.2.4 实现混淆矩阵 1456.3 分类神经网络 1476.4 用神经网络进行疾病识别 1476.4.1 乳腺癌识别 1486.4.2 糖尿病识别 1516.5 本章小结 154第7章 客户画像聚类 1557.1 聚类任务 1567.1.1 聚类分析 1567.1.2 聚类评估和验证 1577.1.3 实现 1587.1.4 外部验证 1597.2 应用无监督学习 1597.3 画像过程 1607.3.1 预处理 1607.3.2 Java实现 1617.3.3 信用卡—客户画像信用分析 1617.3.4 产品画像 1657.3.5 多少个簇合适 1667.4 本章小结 167第8章 文本识别 1688.1 模式识别 1688.1.1 类已知 1698.1.2 类未知 1708.2 神经网络用于模式识别 1718.2.1 数据预处理 1718.2.2 文本识别(光学字符识别) 1728.2.3 数字识别 1728.2.4 数字表示 1728.2.5 Java实现 1738.2.6 数据生成 1738.2.7 神经结构 1748.2.8 实验 1748.2.9 结果 1768.3 本章小结 179第9章 神经网络优化与调整 1809.1 神经网络实现的常见问题 1819.2 输入数据选择 1819.2.1 数据相关性 1829.2.2 数据转换 1839.2.3 降维 1839.2.4 数据过滤 1849.2.5 交叉验证 1869.2.6 神经网络结构选择 1879.3 在线重训练 1899.3.1 随机在线学习 1909.3.2 实现 1909.3.3 应用 1919.4 自适应神经网络 1939.4.1 自适应谐振理论 1939.4.2 实现 1949.5 本章小结 195第10章 神经网络当前趋势 19610.1 深度学习 19610.2 深度架构 19810.2.1 如何用Java实现深度学习 19910.2.2 神经模糊 20110.2.3 神经遗传 20310.3 实现混合神经网络 20410.4 本章小结 207参考文献 208

封面

机械工业出版社智能系统与技术丛书神经网络编程实战:JAVA语言实现(原书第2版)

书名:机械工业出版社智能系统与技术丛书神经网络编程实战:JAVA语言实现(原书第2版)

作者:(巴西)法比奥?M.索尔斯//艾伦?M.

页数:211

定价:¥59.0

出版社:机械工业出版社

出版日期:2018-06-01

ISBN:9787111600121

PDF电子书大小:153MB 高清扫描完整版

百度云下载:http://www.chendianrong.com/pdf

发表评论

邮箱地址不会被公开。 必填项已用*标注