6359次浏览
人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。 本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络优化与自适应等经典案例囊括其中。本书在附录中详细地指导读者进行开发环境的配置，帮助读者更加顺利地进行程序开发。 本书非常适合对神经网络技术感兴趣的开发人员和业余读者阅读，读者无需具备Java编程知识，也无需提前了解神经网络的相关概念。本书将从零开始为读者进行由浅入深地讲解。 人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、
3328次浏览
《深度学习：21天实战Caffe》是一本深度学习入门读物。以目前已经大量用于线上系统的深度学习框架Caffe为例，由浅入深，从 Caffe 的配置、部署、使用开始学习，通过阅读 Caffe 源码理解其精髓，加强对深度学习理论的理解，最终达到熟练运用 Caffe 解决实际问题的目的。和国外机器学习、深度学习大部头著作相比，《深度学习：21天实战Caffe》偏重动手实践，将难以捉摸的枯燥理论用浅显易懂的形式表达，透过代码揭开其神秘面纱，更多地贴近实际应用。上篇 初见 第1天 什么是深度学习 2 1.1 星星之火，可以燎原 3 1.2 师夷长技 4 1.2.1 谷歌与微软 4 1.2.2 Facebook、亚马逊与NVIDIA 5 1.3 中国崛起 6 1.3.1 BAT在路上 6 1.3.2 星光闪耀 7 1.3.3 企业热是风向标 8 1.4 练习题 9 第2天 深度学习的过往 10 2.1 传统机器学习的局限性 10 2.2 从表示学习到深度学习 11 2.3 监督学习 12 2.4 反向传播算法 13 2.5 卷积神经网络 15 2.6 深度学习反思 17 2.7 练习题 18 2.
3259次浏览
《自己动手写神经网络》讲解通俗易懂，使用简单的语言描述人工神经网络的原理，并力求以具体实现与应用为导向，除了理论介绍外，每一章节的应用和实践都有具体的实例实现，让读者达到学以致用。《自己动手写神经网络》分为11章，主要内容为：简单的人工神经网络模型和理论应用；介绍了一个基于Java的人工神经网络框架Neuroph；介绍了基于Neuroph开发一个简单的人工神经网络系统—感知机；介绍了ADALINE网络以及使用Neuroph实现ADALINE神经网络；介绍了BP神经网络的基本原理和具体实现；介绍了BP神经网络的具体实践应用；介绍了Hopfield网络的原理、实践和应用；介绍了双向联想网络BAM的原理、实践和应用；介绍了竞争学习网络，特别是SOM网络以及相关算法与实现；介绍了PCA方法以及与PCA方法等价的PCA神经网络。 《自己动手写神经网络》适合以下类型的读者：对神经网络感兴趣，期望可以初步了解神经网络原理的读者；有一定编程经验，期望学习和掌握神经网络的程序员；期望对神经网络进行实际应用的工程人员；任何一名神经网络爱好者。第1章 人工神经网络概述 1 1.1 人工智能与神经网络简史 1
4058次浏览
《图解深度学习与神经网络：从张量到TensorFlow实现》是以TensorFlow 为工具介绍神经网络和深度学习的入门书，内容循序渐进，以简单示例和图例的形式，展示神经网络和深度学习背后的数学基础原理，帮助读者更好地理解复杂抽象的公式。同时，采用手动计算和程序代码这两种方式讲解示例，可以更好地帮助读者理解TensorFlow 的常用函数接口，为读者掌握利用TensorFlow 搭建人工智能项目打下良好的基础。《图解深度学习与神经网络：从张量到TensorFlow实现》适合神经网络、深度学习、TensorFlow 的入门者阅读。1 深度学习及TensorFlow 简介1 1.1 深度学习 1 1.2 TensorFlow 简介及安装 2 2 基本的数据结构及运算6 2.1 张量 6 2.1.1 张量的定义 6 2.1.2 Tensor 与Numpy 的ndarray 转换 9 2.1.3 张量的尺寸 10 2.1.4 图像转换为张量 13 2.2 随机数 14 2.2.1 均匀（平均）分布随机数 14 2.2.2 正态（高斯）分布随机数 15 2.3 单个张量的运算 17 2.3.1
4591次浏览
神经网络编程实战:Java语言实现(原书第2版)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。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
