新書推薦：
《
财之道丛书·如何让人投资你：股权激励融资全揭秘
》
售價：HK$
101.2
《
PyTorch深度学习与计算机视觉实践
》
售價：HK$
90.9
《
新任经理 100 天实战指南
》
售價：HK$
89.7
《
日本百鬼画谱
》
售價：HK$
71.3
《
大明拐点 ： 天启党争
》
售價：HK$
66.7
《
纲鉴易知录评注（布面精装 全8册）
》
售價：HK$
572.7
《
官商跃迁：中国古代政商关系简史
》
售價：HK$
101.2
《
当代学术·乡族与国家：多元视野中的闽台传统社会（修订本）
》
售價：HK$
101.2
|
| 內容簡介： |
|
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。
|
| 目錄：
|
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1
1.1 探索神经网络1
1.2 人工神经网络2
1.2.1 神经网络是如何组织的3
1.2.2 基本元素—人工神经元3
1.2.3 赋予神经元生命—激活函数4
1.2.4 可变参数—权重5
1.2.5 额外参数—偏置6
1.2.6 由部分到整体—层6
1.2.7 神经网络体系结构7
1.2.8 单层网络7
1.2.9 多层网络8
1.2.10 前馈网络8
1.2.11 反馈网络8
1.3 从无知到认知—学习过程9
1.4 开始编程—神经网络实践10
1.5 神经元类12
1.6 NeuralLayer类14
1.7 ActivationFunction接口15
1.8 神经网络类15
1.9 运行程序17
1.10 本章小结19
第2章
神经网络学习20
2.1 神经网络的学习能力21
2.2 学习模式22
2.2.1 监督学习22
2.2.2 无监督学习22
2.3 学习过程23
2.3.1 寻找损失函数最优下降方向24
2.3.2 在学习过程中更新权重25
2.3.3 计算损失函数25
2.3.4 一般误差和总体误差27
2.3.5 神经网络的迭代学习什么时候停止比较好27
2.4 学习算法示例28
2.4.1 δ规则29
2.4.2 学习率30
2.4.3 实现δ规则30
2.4.4 δ规则学习的核心—train和calcNewWeight方法31
2.4.5 另一种学习算法—Hebbian学习34
2.4.6 学习机35
2.5 在实践中理解学习过程37
2.6 测试41
2.7 本章小结43
第3章 感知机和监督学习44
3.1 监督学习—训练神经网络45
3.1.1 分类—寻找合适的类别45
3.1.2 回归—将实际输入映射到输出46
3.2 一个基本的神经结构—感知机48
3.2.1 应用和限制49
3.2.2 线性可分49
3.2.3 “异或”问题50
3.3 多层感知机52
3.3.1 MLP属性52
3.3.2 MLP权重53
3.3.3 递归MLP54
3.3.4 编码实现MLP54
3.4 MLP学习55
3.4.1 反向传播算法56
3.4.2 动量项58
3.4.3 编码实现反向传播58
3.4.4 Levenberg-Marquardt算法62
3.4.5 编码实现基于矩阵代数的Levenberg-Marquardt算法64
3.4.6 极限学习机66
3.5 实例1—基于δ规则和反向传播的“异或”问题69
3.6 实例2—预测入学状态72
3.7 本章小结75
第4章 自组织映射76
4.1 无监督神经网络76
4.2 无监督学习算法77
4.2.1 竞争学习78
4.2.2 竞争层80
4.3 Kohonen自组织映射82
4.3.1 将神经网络代码扩展至Kohonen83
4.3.2 零维SOM84
4.3.3 一维SOM84
4.3.4 二维SOM85
4.3.5 2D竞争层87
4.3.6 SOM学习算法89
4.3.7 邻近神经元的影响—邻域函数90
4.3.8 学习率91
4.3.9 竞争学习的一个新类92
4.3.10 SOM可视化95
4.3.11 绘制训练数据集和神经元权重的2D图97
4.3.12 测试Kohonen学习99
4.4 本章小结105
第5章 预报天气106
5.1 神经网络用于回归问题106
5.2 加载选择数据108
5.2.1 创建辅助类108
5.2.2 从CSV文件加载数据集111
5.2.3 创建时序结构112
5.2.4 丢弃NaN113
5.2.5 获取天气数据114
5.2.6 天气变量115
5.3 选择输入和输出变量115
5.4 预处理117
5.4.1 归一化117
5.4.2 应用NeuralDataSet处理归一化121
5.4.3 应用学习算法进行归一化123
5.4.4 天气预报的Java实现123
5.4.5 收集天气数据123
5.4.6 延迟变量126
5.4.7 加载数据并开始运行126
5.4.8 相关性分析128
5.4.9 创建神经网络131
5.4.10 训练和测试131
5.4.11 可视化神经网络的输出133
5.5 神经网络实验设计134
5.5.1 设计实验134
5.5.2 结果和模拟135
5.6 本章小结138
第6章 疾病分类识别139
6.1 分类问题的基础139
6.1.1 分类数据140
6.1.2 处理分类数据141
6.2 逻辑回归142
6.2.1 多分类与二分类143
6.2.2 混淆矩阵144
6.2.3 敏感性与特异性144
6.2.4 实现混淆矩阵145
6.3 分类神经网络147
6.4 用神经网络进行疾病识别147
6.4.1 乳腺癌识别148
6.4.2 糖尿病识别151
6.5 本章小结154
第7章 客户画像聚类155
7.1 聚类任务156
7.1.1 聚类分析156
7.1.2 聚类评估和验证157
7.1.3 实现158
7.1.4 外部验证159
7.2 应用无监督学习159
7.3 画像过程160
7.3.1 预处理160
7.3.2 Java实现161
7.3.3 信用卡—客户画像信用分析161
7.3.4 产品画像165
7.3.5 多少个簇合适166
7.4 本章小结167
第8章 文本识别168
8.1 模式识别168
8.1.1 类已知169
8.1.2 类未知170
8.2 神经网络用于模式识别171
8.2.1 数据预处理171
8.2.2 文本识别（光学字符识别）172
8.2.3 数字识别172
8.2.4 数字表示172
8.2.5 Java实现173
8.2.6 数据生成173
8.2.7 神经结构174
8.2.8 实验174
8.2.9 结果176
8.3 本章小结179
第9章 神经网络优化与调整180
9.1 神经网络实现的常见问题181
9.2 输入数据选择181
9.2.1 数据相关性182
9.2.2 数据转换183
9.2.3 降维183
9.2.4 数据过滤184
9.2.5 交叉验证186
9.2.6 神经网络结构选择187
9.3 在线重训练189
9.3.1 随机在线学习190
9.3.2 实现190
9.3.3 应用191
9.4 自适应神经网络193
9.4.1 自适应谐振理论193
9.4.2 实现194
9.5 本章小结195
第10章 神经网络当前趋势196
10.1 深度学习196
10.2 深度架构198
10.2.1 如何用Java实现深度学习199
10.2.2 神经模糊201
10.2.3 神经遗传203
10.3 实现混合神经网络204
10.4 本章小结207
参考文献208
|
| 內容試閱：
|
PREFACE前言程序员需要持续不断地学习，而且经常会面对新技术和新方法的挑战。生活中人们虽然习惯了重复的事情，但也会经历新的事情。学习过程是科学界最有趣的话题之一，很多尝试都试图描述或者再现人类的学习过程。
本书的主要挑战是学习并掌握业界最新的内容。虽然神经网络这个名字可能看起来很奇怪，甚至可能误认为它是关于神经学的，但是我们通过把重点放在你决定购买这本书的原因上来简化这些细微差别。我们打算建立一个框架，告诉你神经网络其实很简单，很容易理解，你不需要有足够的先验知识，就完全可以理解本书提到的概念。
因此，我们希望你充分掌握本书的内容，在面对棘手问题时，能始终以初学者的态度运用神经网络的功能来解决。本书对提到的每个概念都用简单的语言进行解释，但理解它也需要一定的技术背景。本书的目的是让你了解智能应用可以通过简单语言编写。
各章概览第1章主要介绍神经网络的概念，解释基本神经元结构（单层感知机、学习机），以及激活函数、权重和学习算法。此外，该章还演示了用Java创建基本神经网络的整个过程。
第2章主要介绍神经网络学习过程的细节，解释几个有用的概念，如训练、测试和验证，演示如何实现训练和验证算法、如何进行误差评估。
第3章主要讨论感知机和监督学习的特性，展示这类神经网络的训练算法，以及如何用Java实现这些特性。
第4章主要介绍无监督学习和自组织映射，即Kohonen神经网络在分类和聚类问题中的应用。
第5章主要阐述如何用神经网络解决天气预报的问题，你会看到来自不同地区、不同时间的历史天气数据记录，并学习如何在神经网络训练之前对数据进行预处理。
第6章主要介绍分类问题，这属于监督学习的范畴。运用患者的数据构建基于神经网络的专家系统，专家系统能够根据患者的症状给出诊断结果。
第7章讨论如何应用无监督学习算法和神经网络实现聚类，进而实现客户画像聚类。
第8章主要介绍另一种涉及神经网络的常见任务：光学字符识别（OCR）。OCR非常有用，它显示了神经网络强大的学习能力。
第9章主要介绍神经网络优化的相关技术，如输入选择，切分训练数据集、验证数据集和测试数据集的较优方法，以及数据过滤和隐含神经元个数的选择。
第10章主要介绍神经网络领域的新技术动态，启发你理解并设计出适用于更复杂问题的新策略。
附录内容为在线内容，可以通过以下链接下载：https：www.packtpub.comsitesdefaultfilesdownloadsNeural_Network_Programming_with_Java_SecondEdition_Appendices.pdf。附录内容主要涉及搭建Netbeans开发环境的详细步骤，搭建Eclipse开发环境的详细步骤。
阅读准备需要Netbeans（www.netbeans.org）或者Eclipse（www.eclipse.org）软件，两者都是免费的，可以从官方网站下载。
本书读者对象本书适合以下Java开发者：想知道如何运用神经网络的功能开发更智能的应用。同时本书适用于那些处理大量复杂数据并希望在日常应用中有更高效率的人士。本书的读者最好具有一些统计计算的基础知识。
下载示例代码可以从网站http：www.packtpub.com或华章网站www.hzbook.com下载本书中的示例代码。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
