神经网络编程实战:Java语言实现(第2版)

神经网络编程实战:Java语言实现(第2版)

  • 大小:51.2 MB
  • 类型:电子书
  • 格式:PDF
  • 出版:机械工业出版社
  • 作者:法比奥·M.索尔斯
  • 更新:2022-06-16 08:33:12
版权投诉 / 资源反馈(本资源由用户 鄂智志 投稿)

这是一个关于神经网络相关的电子书资料,由机械工业出版社出版,作者是法比奥·M.索尔斯,介绍了关于神经网络、编程实战、Java方面,格式为PDF,资源大小51.2 MB,目前在神经网络类资源综合评分为:7.9分。

神经网络编程实战:Java语言实现》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

  • 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MLP 54
  • 3.3.4 编码实现MLP 54
  • 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Kohonen 83
  • 4.3.2 零维SOM 84
  • 4.3.3 一维SOM 84
  • 4.3.4 二维SOM 85
  • 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NaN 113
  • 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

以上就是本次关于书籍资源的介绍和部分内容,我们还整理了以往更新的其它相关电子书资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。

神经网络相关资源

  • Java程序员修炼之道

    Java程序员修炼之道 电子书

    伴随着关键服务平台及其生态体系的与时俱进,Java技术性一直在迅速往前发展趋势。《 Java程序员修炼之道 》包含了Java7的**特性和Java开发设计的核心技术,对当今很多开源系统技术性共存,

    大小:8.7 MBJava

  • Java虚拟机规范:Java SE 8版

    Java虚拟机规范:Java SE 8版 电子书

    书是Oracle官方发布,Java虚拟机技术创建人撰写,国内资深Java技术专家翻译,是深度了解Java虚拟机和Java语言实现细节的必读之作,它完整地讲述了由JavaSE8所引入的新特性 Java虚拟机规范(Jav

    大小:161.2 MBJava

  • Java编程的逻辑

    Java编程的逻辑 电子书

    《Java编程的逻辑》作者马俊昌,从基本概念到高层框架,剖析实现原理与JDK源代码,融合专业理论与应用实践,透彻理解Java编程的思维逻辑。

    大小:39.3MJava编程

  • 廖雪峰Java快速入门教程

    廖雪峰Java快速入门教程

    Java介于编译型语言和解释型语言之间。编译型语言如C、C++,代码是直接编译成机器码执行,但是不同的平台(x86、ARM等)CPU的指令集不同,因此,需要编译出每一种平台的对应机器码。解释型语言如Python、Ruby没有这个问题,可以由解释器直接加载源码然后运行,代价是运行效率太低。而Java是将代码编译成一种ldquo;字节码rdquo;,它类似于抽象的CPU指令,然后,针对不同平台编写虚拟机,不同平台的虚拟机负责加载字节码并执行,这样就实现了ldquo;一次编

    大小:12 MBJava

  • Java EE企业级应用开发教程

    Java EE企业级应用开发教程 课后答案

    本书详细讲解了Java EE中Spring、Spring MVC和MyBatis三大框架(以下简称SSM)的基本知识和应用。本书在对知识点进行描述时采用了大量案例,可以更好地帮助读者学习和理解SSM的核心技术。 本书共18章,第1~5章主要讲解Spring的基本知识和应用,其中包括Spring的基本应用、Spring中的Bean、Spring AOP、Spring的数据库开发以及Spring的事务管理。第6~10章主要讲解了MyBatis的相关知识,其中包含初识MyBatis、MyBatis的核心配置、动

    大小:132 KBJava EE

  • IBM SDK Java V8用户指南中文版(2019)

    IBM SDK Java V8用户指南中文版(2019)

    Java 平台的 IBM 实现是以 Oracle Corporation 开发的 Java Technology 为基础的。IBM 提供一个可安装软件包:软件开发者工具包 (SDK)。在随后的部分中详细介绍了该软件包中的关键组件。 本版本的用户指南适用于 IBM SDK, Java Technology Edition V8 及其所有后续发行版和修订版,直到在新版本中另有声明为止 IBM SDK Java Technology Edition V8 用户指南中文版的PDF文档,共计364页,可以系统性的了

    大小:5.6 MBJava

  • Java面试宝典

    目录 1. Java 基础部分................................................................................................................... 10 1、一个.java源文件中是否可以包括多个类(不是内部类)?有什么限制?........ 10 2、Java 有没有 goto? ........................................................

    大小:1.20 MBJava面试

下载地址

学习笔记

10小时27分钟前回答

java api返回值的标准化详解

api返回值的标准化 例如 {"status":200,"message":"操作成功","data":"{\"id\":1,\"name\":\"张三\"}"} 封装返回对象 对象被封装在base.util.ResponseUtils类型下,返回值是标准的ResponseEntity对象,返回体进行了二次封装,主要有 status , messsage 和 data 组成……