譯者：范東來
開本： 32開
定價： 59.00
頁數：
印次： 1
ISBN號：
商品類型：圖書
版次： 1
內容提要
人工神經網絡是由眾多連接權值可調的神經元連接而成，具有大規模并行處理、分布式信息存儲、良好的自組織自學習能力等特點，能夠完成模式識別、機器學習以及預測趨勢等任務。本書通過9章內容，并結合Java編程語言，由淺入深地介紹了神經網絡算法的應用。書中涉及神經網絡的構建、神經網絡的結構、神經網絡的學習、感知機、自組織映射等核心概念，并將天氣預測、疾病診斷、客戶特征聚類、模式識別、神經網絡優化與自適應等經典案例囊括其中。本書在附錄中詳細地指導讀者進行開發環境的配置神經網絡中的代價函數，幫助讀者更加順利地進行程序開發。本書非常適合對神經網絡技術感興趣的開發人員和業余讀者閱讀，讀者無需具備Java編程知識，也無需提前了解神經網絡的相關概念。本書將從零開始為讀者進行由淺入深地講解。
目錄
第1章 初識神經網絡11。1 探索神經網絡11。2 為什么要用人工神經網絡21。3 神經網絡的構造31。3。1 基礎元素——人工神經元31。3。2 賦予神經元生命——激活函數41。3。3 基礎值——權值51。3。4 重要參數——偏置51。3。5 神經網絡組件——層51。4 神經網絡結構61。4。1 單層神經網絡71。4。2 多層神經網絡71。4。3 前饋神經網絡81。4。4 反饋神經網絡81。5 從無知到有識——學習過程81。6 實踐神經網絡91。7 小結15第2章 神經網絡是如何學習的162。1 神經網絡的學習能力162。2 學習范式172。2。1 監督學習172。2。2 無監督學習182。3 系統結構——學習算法192。3。1 學習的兩個階段——訓練和測試202。3。2 細節——學習參數212。3。3 誤差度量和代價函數222。4 學習算法示例222。4。1 感知機222。4。2 Delta規則232。5 神經網絡學習過程的編碼232。5。1 參數學習實現232。5。2 學習過程242。5。3 類定義262。6 兩個實例332。
6。1 感知機（報警系統）342。6。2 （交通預測）372。7 小結42第3章 運用感知機433。1 學習感知機神經網絡433。1。1 感知機的應用和局限性443。1。2 線性分離443。1。3 經典XOR（異或）例子453。2 流行的多層感知機（MLP）473。2。1 MLP屬性483。2。2 MLP權值493。2。3 遞歸。2。4 MLP在OOP范式中的結構503。3 有趣的MLP應用513。3。1 使用MLP進行分類513。3。2 用MLP進行回歸533。4 MLP的學習過程543。4。1 簡單但很強大的學習算法——反向傳播553。4。2 復雜而有效的學習算法——–。5 MLP實現583。5。1 實戰反向傳播算法613。5。2 探索代碼623。6 –實現663。7 實際應用——新生入學683。8 小結71第4章 自組織映射724。1 神經網絡無監督學習方式724。2 無監督學習算法介紹734。3 自組織映射764。
3。1 一維。3。2 二維。3。3 逐步實現自組織映射網絡學習804。3。4 如何使用。4 算法編程814。4。1 探索類844。4。2 實現（動物聚類）864。5 小結88第5章 天氣預測895。1 針對預測問題的神經網絡895。2 無數據神經網絡中的代價函數，無神經網絡——選擇數據915。2。1 了解問題——天氣變量925。2。2 選擇輸入輸出變量925。2。3 移除無關行為——數據過濾935。3 調整數值——數據預處理945。4 Java實現天氣預測965。4。1 繪制圖表965。4。2 處理數據文件975。4。3 構建天氣預測神經網絡985。5 神經網絡經驗設計1015。5。1 選擇訓練和測試數據集1015。5。2 設計實驗1025。5。3 結果和模擬1035。6 小結105第6章 疾病診斷分類1066。1 什么是分類問題，以及如何應用神經網絡1066。2 激活函數的特殊類型——邏輯回歸1076。2。1 二分類VS多分類1096。2。2 比較預期結果與產生結果——混淆矩陣1096。
2。3 分類衡量——靈敏度和特異性1106。3 應用神經網絡進行分類1116。4 神經網絡的疾病診斷1146。4。1 使用神經網絡診斷乳腺癌1146。4。2 應用神經網絡進行早期糖尿病診斷1186。5 小結121第7章 客戶特征聚類1227。1 聚類任務1237。1。1 聚類分析1237。1。2 聚類評估和驗證1247。1。3 外部驗證1257。2 應用無監督學習1257。2。1 徑向基函數神經網絡1257。2。2 神經網絡1267。2。3 數據類型1277。3 客戶特征1287。4 Java實現1297。5 小結135第8章 模式識別（OCR案例）1368。1 什么是模式識別1368。1。1 定義大量數據中的類別1378。1。2 如果未定義的類沒有被定義怎么辦1388。1。3 外部驗證1388。2 如何在模式識別中應用神經網絡算法1388。3 OCR問題1408。3。1 簡化任務——數字識別140 8。3。2 數字表示的方法1408。4 開始