神經網絡算法與實現 pdf epub mobi txt 电子书下载 2025

☆☆☆☆☆

法比奧 (Fábio M.Soares)

圖書標籤:

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到求知書站

tushu.tinynews.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

第1章初识神经网络1
1.1探索神经网络1
1.2为什么要用人工神经网络2
1.3神经网络的构造3
1.3.1基础元素——人工神经元3
1.3.2赋予神经元生命——激活函数4
1.3.3基础值——权值5
1.3.4重要参数——偏置5
1.3.5神经网络组件——层5
1.4神经网络结构6
1.4.1单层神经网络7
1.4.2多层神经网络7
1.4.3前馈神经网络8
1.4.4反馈神经网络8
1.5从无知到有识——学习过程8
1.6实践神经网络9
1.7小结15
第2章神经网络是如何学习的16
2.1神经网络的学习能力16
2.2学习范式17
2.2.1监督学习17
2.2.2无监督学习18
2.3系统结构——学习算法19
2.3.1学习的两个阶段——训练和测试20
2.3.2细节——学习参数21
2.3.3误差度量和代价函数22
2.4学习算法示例22
2.4.1感知机22
2.4.2Delta规则23
2.5神经网络学习过程的编码23
2.5.1参数学习实现23
2.5.2学习过程24
2.5.3类定义26
2.6两个实例33
2.6.1感知机（报警系统）34
2.6.2ADALINE（交通预测）37
2.7小结42
第3章运用感知机43
3.1学习感知机神经网络43
3.1.1感知机的应用和局限性44
3.1.2线性分离44
3.1.3经典XOR（异或）例子45
3.2流行的多层感知机（MLP）47
3.2.1MLP属性48
3.2.2MLP权值49
3.2.3递归MLP50
3.2.4MLP在OOP范式中的结构50
3.3有趣的MLP应用51
3.3.1使用MLP进行分类51
3.3.2用MLP进行回归53
3.4MLP的学习过程54
3.4.1简单但很强大的学习算法——反向传播55
3.4.2复杂而有效的学习算法——Levenberg–Marquardt57
3.5MLP实现58
3.5.1实战反向传播算法61
3.5.2探索代码62
3.6Levenberg–Marquardt实现66
3.7实际应用——新生入学68
3.8小结71
第4章自组织映射72
4.1神经网络无监督学习方式72
4.2无监督学习算法介绍73
4.3Kohonen自组织映射76
4.3.1一维SOM77
4.3.2二维SOM78
4.3.3逐步实现自组织映射网络学习80
4.3.4如何使用SOM81
4.4Kohonen算法编程81
4.4.1探索Kohonen类84
4.4.2Kohonen实现（动物聚类）86
4.5小结88
第5章天气预测89
5.1针对预测问题的神经网络89
5.2无数据，无神经网络——选择数据91
5.2.1了解问题——天气变量92
5.2.2选择输入输出变量92
5.2.3移除无关行为——数据过滤93
5.3调整数值——数据预处理94
5.4Java实现天气预测96
5.4.1绘制图表96
5.4.2处理数据文件97
5.4.3构建天气预测神经网络98
5.5神经网络经验设计101
5.5.1选择训练和测试数据集101
5.5.2设计实验102
5.5.3结果和模拟103
5.6小结105
第6章疾病诊断分类106
6.1什么是分类问题，以及如何应用神经网络106
6.2激活函数的特殊类型——逻辑回归107
6.2.1二分类VS多分类109
6.2.2比较预期结果与产生结果——混淆矩阵109
6.2.3分类衡量——灵敏度和特异性110
6.3应用神经网络进行分类111
6.4神经网络的疾病诊断114
6.4.1使用神经网络诊断乳腺癌114
6.4.2应用神经网络进行早期糖尿病诊断118
6.5小结121
第7章客户特征聚类122
7.1聚类任务123
7.1.1聚类分析123
7.1.2聚类评估和验证124
7.1.3外部验证125
7.2应用无监督学习125
7.2.1径向基函数神经网络125
7.2.2Kohonen神经网络126
7.2.3数据类型127
7.3客户特征128
7.4Java实现129
7.5小结135
第8章模式识别（OCR案例）136
8.1什么是模式识别136
8.1.1定义大量数据中的类别137
8.1.2如果未定义的类没有被定义怎么办138
8.1.3外部验证138
8.2如何在模式识别中应用神经网络算法138
8.3OCR问题140
8.3.1简化任务——数字识别140
8.3.2数字表示的方法140
8.4开始编码141
8.4.1生成数据141
8.4.2构建神经网络143
8.4.3测试和重新设计——试错144
8.4.4结果145
8.5小结148
第9章神经网络优化与自适应149
9.1神经网络实现中的常见问题149
9.2输入选择150
9.2.1数据相关性150
9.2.2降维151
9.2.3数据过滤152
9.3结构选择152
9.4在线再训练154
9.4.1随机在线学习155
9.4.2实现156
9.4.3应用157
9.5自适应神经网络159
9.5.1自适应共振理论159
9.5.2实现160
9.6小结162
附录ANetBeans环境搭建163
附录BEclipse环境搭建175
附录C参考文献186
· · · · · · (收起)

具体描述

人工神經網絡是由眾多連接權值可調的神經元連接而成，具有大規模並行處理、分布式信息存儲、良好的自組織自學習能力等特點，能夠完成模式識彆、機器學習以及預測趨勢等任務。本書通過9章內容，並結閤Java編程語言，由淺入深地介紹瞭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，並將天氣預測、疾病診斷、客戶特徵聚類、模式識彆、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，幫助讀者更加順利地進行程序開發。本書非常適閤對神經網絡技術感興趣的開發人員和業餘讀者閱讀，讀者無需具備Java編程知識，也無需提前瞭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。人工神經網絡是由眾多連接權值可調的神經元連接而成，具有大規模並行處理、分布式信息存儲、良好的自組織自學習能力等特點，能夠完成模式識彆、機器學習以及預測趨勢等任務。

本書通過9章內容，並結閤Java編程語言，由淺入深地介紹瞭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，並將天氣預測、疾病診斷、客戶特徵聚類、模式識彆、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，幫助讀者更加順利地進行程序開發。

本書非常適閤對神經網絡技術感興趣的開發人員和業餘讀者閱讀，讀者無需具備Java編程知識，也無需提前瞭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。