自己動手寫神經(jīng)網(wǎng)絡(luò)

定　價：￥55.00

作　者：	葛一鳴著
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	計算機(jī)?網(wǎng)絡(luò) 人工智能

購買這本書可以去

ISBN：	9787115462015	出版時間：	2017-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	182	字?jǐn)?shù)：

內(nèi)容簡介

　　《自己動手寫神經(jīng)網(wǎng)絡(luò)》講解通俗易懂，使用簡單的語言描述人工神經(jīng)網(wǎng)絡(luò)的原理，并力求以具體實(shí)現(xiàn)與應(yīng)用為導(dǎo)向，除了理論介紹外，每一章節(jié)的應(yīng)用和實(shí)踐都有具體的實(shí)例實(shí)現(xiàn)，讓讀者達(dá)到學(xué)以致用?！蹲约簞邮謱懮窠?jīng)網(wǎng)絡(luò)》分為11章，主要內(nèi)容為：簡單的人工神經(jīng)網(wǎng)絡(luò)模型和理論應(yīng)用；介紹了一個基于Java的人工神經(jīng)網(wǎng)絡(luò)框架Neuroph；介紹了基于Neuroph開發(fā)一個簡單的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)—感知機(jī)；介紹了ADALINE網(wǎng)絡(luò)以及使用Neuroph實(shí)現(xiàn)ADALINE神經(jīng)網(wǎng)絡(luò)；介紹了BP神經(jīng)網(wǎng)絡(luò)的基本原理和具體實(shí)現(xiàn)；介紹了BP神經(jīng)網(wǎng)絡(luò)的具體實(shí)踐應(yīng)用；介紹了Hopfield網(wǎng)絡(luò)的原理、實(shí)踐和應(yīng)用；介紹了雙向聯(lián)想網(wǎng)絡(luò)BAM的原理、實(shí)踐和應(yīng)用；介紹了競爭學(xué)習(xí)網(wǎng)絡(luò)，特別是SOM網(wǎng)絡(luò)以及相關(guān)算法與實(shí)現(xiàn)；介紹了PCA方法以及與PCA方法等價的PCA神經(jīng)網(wǎng)絡(luò)。《自己動手寫神經(jīng)網(wǎng)絡(luò)》適合以下類型的讀者：對神經(jīng)網(wǎng)絡(luò)感興趣，期望可以初步了解神經(jīng)網(wǎng)絡(luò)原理的讀者；有一定編程經(jīng)驗(yàn)，期望學(xué)習(xí)和掌握神經(jīng)網(wǎng)絡(luò)的程序員；期望對神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)際應(yīng)用的工程人員；任何一名神經(jīng)網(wǎng)絡(luò)愛好者。

作者簡介

　　葛一鳴，浙江工業(yè)大學(xué)碩士，國家認(rèn)證系統(tǒng)分析師，Oracle OCP。長期從事Java軟件開發(fā)工作，對Java技術(shù)、人工智能、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘等技術(shù)有濃厚興趣?，F(xiàn)著有《自己動手寫神經(jīng)網(wǎng)絡(luò)》《Java程序性能優(yōu)化》《實(shí)戰(zhàn)Java虛擬機(jī)》《實(shí)戰(zhàn)Java高并發(fā)程序設(shè)計》。

圖書目錄

第1章　人工神經(jīng)網(wǎng)絡(luò)概述\t1
1．1　人工智能與神經(jīng)網(wǎng)絡(luò)簡史\t1
1．1．1　人工智能的誕生：1943～1956年\t2
1．1．2　黃金發(fā)展期：1956～1974年\t3
1．1．3　第一次低谷期：1974～1980年\t4
1．1．4　繁榮期：1980～1987年\t5
1．1．5　第二次低谷期：1987～1993年\t5
1．1．6　再次崛起：1993年至今\t6
1．2　生物學(xué)研究對神經(jīng)網(wǎng)絡(luò)的影響\t6
1．3　大數(shù)據(jù)對人工智能的影響\t8
1．4　計算機(jī)硬件發(fā)展對人工智能的影響\t9
1．5　計算機(jī)軟件發(fā)展對人工智能的影響\t9
1．6　人工智能的廣泛應(yīng)用\t10
第2章　人工神經(jīng)元模型與感知機(jī)\t12
2．1　人工神經(jīng)元組成要素\t12
2．1．1　人工神經(jīng)元的基本結(jié)構(gòu)\t12
2．1．2　傳輸函數(shù)類型\t13
2．2　感知機(jī)\t15
2．2．1　使用感知機(jī)識別水果\t15
2．2．2　讓感知機(jī)記憶邏輯與\t17
2．2．3　感知機(jī)的學(xué)習(xí)算法\t18
2．3　總結(jié)\t20
第3章　神經(jīng)網(wǎng)絡(luò)框架Neuroph介紹\t21
3．1　Neuroph是什么\t21
3．2　Neuroph系統(tǒng)的構(gòu)成\t22
3．3　Neuroph Studio的功能展示\t22
3．3．1　使用Neuroph Studio構(gòu)造感知機(jī)處理邏輯與\t23
3．3．2　使用Neuroph Studio進(jìn)行動物分類實(shí)驗(yàn)\t28
3．4　Neuroph Library架構(gòu)分析\t34
3．4．1　Neuroph Library核心架構(gòu)\t35
3．4．2　Neuron神經(jīng)元\t35
3．4．3　Layer層\t36
3．4．4　NeuralNetwork神經(jīng)網(wǎng)絡(luò)\t37
3．4．5　LearningRule學(xué)習(xí)算法\t37
3．4．6　DataSet和DataSetRow\t38
3．5　Neuroph開發(fā)環(huán)境搭建\t38
3．5．1　基礎(chǔ)平臺——Java介紹以及安裝\t39
3．5．2　包管理工具——Maven安裝\t39
3．5．3　開發(fā)工具——Eclipse安裝\t40
3．6　總結(jié)\t41
第4章　使用Java實(shí)現(xiàn)感知機(jī)及其應(yīng)用\t42
4．1　第一個Neuroph程序——使用感知機(jī)記憶邏輯與\t42
4．1．1　創(chuàng)建感知機(jī)網(wǎng)絡(luò)\t42
4．1．2　理解輸入神經(jīng)元InputNeuron\t45
4．1．3　理解貝葉斯神經(jīng)元BiasNeuron\t45
4．1．4　step傳輸函數(shù)是如何實(shí)現(xiàn)的\t46
4．2　讓感知機(jī)理解坐標(biāo)系統(tǒng)\t47
4．2．1　感知機(jī)網(wǎng)絡(luò)的設(shè)計\t47
4．2．2　感知機(jī)網(wǎng)絡(luò)的實(shí)現(xiàn)\t47
4．3　感知機(jī)學(xué)習(xí)算法與Java實(shí)現(xiàn)\t49
4．3．1　感知機(jī)學(xué)習(xí)規(guī)則的實(shí)現(xiàn)\t50
4．3．2　一個自學(xué)習(xí)的感知機(jī)實(shí)現(xiàn)——SimplePerceptron\t51
4．3．3　小試牛刀——SimplePerceptron學(xué)習(xí)邏輯與\t52
4．3．4　訓(xùn)練何時停止\t53
4．4　再看坐標(biāo)點(diǎn)位置識別\t55
4．5　感知機(jī)的極限——異或問題\t57
4．6　總結(jié)\t58
第5章　ADALINE網(wǎng)絡(luò)及其應(yīng)用\t59
5．1　ADALINE網(wǎng)絡(luò)與LMS算法\t59
5．2　ADALINE網(wǎng)絡(luò)的Java實(shí)現(xiàn)\t60
5．3　使用ADALINE網(wǎng)絡(luò)識別數(shù)字\t62
5．3．1　印刷體數(shù)字識別問題概述\t62
5．3．2　代碼實(shí)現(xiàn)\t63
5．3．3　加入噪點(diǎn)后再嘗試\t66
5．4　總結(jié)\t67
第6章　多層感知機(jī)和BP學(xué)習(xí)算法\t68
6．1　多層感知機(jī)的結(jié)構(gòu)與簡單實(shí)現(xiàn)\t68
6．1．1　多層感知機(jī)結(jié)構(gòu)的提出\t68
6．1．2　定義多層感知機(jī)處理異或問題\t69
6．1．3　多層感知機(jī)的簡單實(shí)現(xiàn)\t71
6．2　多層感知機(jī)學(xué)習(xí)算法——BP學(xué)習(xí)算法\t74
6．2．1　BP學(xué)習(xí)算法理論介紹\t74
6．2．2　BP學(xué)習(xí)算法與BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)\t77
6．3　BP神經(jīng)網(wǎng)絡(luò)細(xì)節(jié)優(yōu)化\t84
6．3．1　隨機(jī)化權(quán)值的方式\t84
6．3．2　Sigmoid函數(shù)導(dǎo)數(shù)的探討\t86
6．4　帶著算法重回異或問題\t87
6．5　總結(jié)\t89
第7章　BP神經(jīng)網(wǎng)絡(luò)的案例\t90
7．1　奇偶性判別問題\t90
7．1．1　問題描述\t90
7．1．2　代碼實(shí)現(xiàn)\t90
7．2　函數(shù)逼近\t94
7．2．1　問題描述\t94
7．2．2　代碼實(shí)現(xiàn)\t94
7．3　動物分類\t99
7．3．1　問題描述\t99
7．3．2　問題分析\t100
7．3．3　代碼實(shí)現(xiàn)\t102
7．4　簡單的語音識別\t104
7．4．1　問題描述\t104
7．4．2　代碼實(shí)現(xiàn)\t104
7．5　MNIST手寫體識別\t106
7．5．1　問題描述\t106
7．5．2　問題分析\t108
7．5．3　代碼實(shí)現(xiàn)\t108
7．6　總結(jié)\t112
第8章　Hopfield神經(jīng)網(wǎng)絡(luò)\t113
8．1　Hopfield神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和原理\t113
8．1．1　Hopfield網(wǎng)絡(luò)的結(jié)構(gòu)\t113
8．1．2　網(wǎng)絡(luò)吸引子\t114
8．1．3　網(wǎng)絡(luò)權(quán)值的設(shè)計\t115
8．2　網(wǎng)絡(luò)的存儲容量\t117
8．3　Hopfield神經(jīng)網(wǎng)絡(luò)的Java實(shí)現(xiàn)\t118
8．3．1　Hopfield網(wǎng)絡(luò)構(gòu)造函數(shù)\t118
8．3．2　Hopfield網(wǎng)絡(luò)的神經(jīng)及其特點(diǎn)\t119
8．3．3　Hopfield網(wǎng)絡(luò)學(xué)習(xí)算法\t120
8．4　Hopfield網(wǎng)絡(luò)還原帶有噪點(diǎn)的字符\t121
8．5　Hopfield網(wǎng)絡(luò)的自聯(lián)想案例\t123
8．6　總結(jié)\t126
第9章　BAM雙向聯(lián)想記憶網(wǎng)絡(luò)\t127
9．1　BAM網(wǎng)絡(luò)的結(jié)構(gòu)與原理\t127
9．2　BAM網(wǎng)絡(luò)的學(xué)習(xí)算法\t128
9．3　使用Java實(shí)現(xiàn)BAM網(wǎng)絡(luò)\t129
9．3．1　BAM網(wǎng)絡(luò)的靜態(tài)結(jié)構(gòu)\t129
9．3．2　BAM網(wǎng)絡(luò)學(xué)習(xí)算法\t130
9．3．3　BAM網(wǎng)絡(luò)的運(yùn)行\(zhòng)t131
9．4　BAM網(wǎng)絡(luò)的應(yīng)用\t133
9．4．1　場景描述——人名與電話\t133
9．4．2　數(shù)據(jù)編碼設(shè)計\t134
9．4．3　具體實(shí)現(xiàn)\t136
9．5　總結(jié)\t140
第10章　競爭學(xué)習(xí)網(wǎng)絡(luò)\t141
10．1　競爭學(xué)習(xí)的基本原理\t141
10．1．1　向量的相似性\t142
10．1．2　競爭學(xué)習(xí)規(guī)則\t143
10．2　自組織映射網(wǎng)絡(luò)SOM的原理\t144
10．2．1　SOM網(wǎng)絡(luò)的生物學(xué)意義\t144
10．2．2　SOM網(wǎng)絡(luò)的結(jié)構(gòu)\t144
10．2．3　SOM網(wǎng)絡(luò)的運(yùn)行原理\t145
10．2．4　有關(guān)初始化權(quán)重的問題\t146
10．3　SOM網(wǎng)絡(luò)的Java實(shí)現(xiàn)\t147
10．3．1　SOM網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的實(shí)現(xiàn)\t147
10．3．2　SOM網(wǎng)絡(luò)的初始權(quán)值設(shè)置\t150
10．3．3　Kohonen算法的實(shí)現(xiàn)\t153
10．4　SOM網(wǎng)絡(luò)的應(yīng)用\t157
10．4．1　使用SOM網(wǎng)絡(luò)進(jìn)行動物聚類\t158
10．4．2　使用SOM網(wǎng)絡(luò)進(jìn)行城市聚類\t161
10．5　總結(jié)\t164
第11章　PCA神經(jīng)網(wǎng)絡(luò)\t165
11．1　PCA方法概述\t165
11．1．1　PCA方法數(shù)學(xué)背景\t166
11．1．2　PCA計算示例\t167
11．2　PCA神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法\t170
11．2．1　Oja算法\t170
11．2．2　Sanger算法\t171
11．3　基于Neuroph實(shí)現(xiàn)PCA網(wǎng)絡(luò)\t172
11．3．1　Oja算法的實(shí)現(xiàn)\t172
11．3．2　Sanger算法的實(shí)現(xiàn)\t177
11．4　使用PCA網(wǎng)絡(luò)預(yù)處理MNIST手寫體數(shù)據(jù)集\t178
11．5　總結(jié)\t181