《自己动手写神经网络》PDF 葛一鸣

瑾年安好 178 0

《自己动手写神经网络》PDF 葛一鸣

信息简介  

书名:《自己动手写神经网络》

副标题:《自己动手写神经网络》

作者:葛一鸣

类别:计算编程

页数:212

格式:PDF

ISBN:9787115462015

出版社:人民邮电出版社

出版日期:2017年08月 

内容简介

《自己动手写神经网络》讲解通俗易懂,使用简单的语言描述人工神经网络的原理,并力求以具体实现与应用为导向,除了理论介绍外,每一章节的应用和实践都有具体的实例实现,让读者达到学以致用。《自己动手写神经网络》分为11章,主要内容为:简单的人工神经网络模型和理论应用;介绍了一个基于Java的人工神经网络框架Neuroph;介绍了基于Neuroph开发一个简单的人工神经网络系统—感知机;介绍了ADALINE网络以及使用Neuroph实现ADALINE神经网络;介绍了BP神经网络的基本原理和具体实现;介绍了BP神经网络的具体实践应用;介绍了Hopfield网络的原理、实践和应用;介绍了双向联想网络BAM的原理、实践和应用;介绍了竞争学习网络,特别是SOM网络以及相关算法与实现;介绍了PCA方法以及与PCA方法等价的PCA神经网络。 《自己动手写神经网络》适合以下类型的读者:对神经网络感兴趣,期望可以初步了解神经网络原理的读者;有一定编程经验,期望学习和掌握神经网络的程序员;期望对神经网络进行实际应用的工程人员;任何一名神经网络爱好者。

作者简介 

葛一鸣,浙江工业大学硕士,国家认证系统分析师,Oracle OCP。长期从事Java软件开发工作,对Java技术、人工智能、神经网络、数据挖掘等技术有浓厚兴趣。 现著有《自己动手写神经网络》《Java程序性能优化》《实战Java虚拟机》《实战Java高并发程序设计》。

作品目录

第1章人工神经网络概述1

1.1人工智能与神经网络简史1

1.1.1人工智能的诞生:1943~1956年2

1.1.2黄金发展期:1956~1974年3

1.1.3第一次低谷期:1974~1980年4

1.1.4繁荣期:1980~1987年5

1.1.5第二次低谷期:1987~1993年5

1.1.6再次崛起:1993年至今6

1.2生物学研究对神经网络的影响6

1.3大数据对人工智能的影响8

1.4计算机硬件发展对人工智能的影响9

1.5计算机软件发展对人工智能的影响9

1.6人工智能的广泛应用10

第2章人工神经元模型与感知机12

2.1人工神经元组成要素12

2.1.1人工神经元的基本结构12

2.1.2传输函数类型13

2.2感知机15

2.2.1使用感知机识别水果15

2.2.2让感知机记忆逻辑与17

2.2.3感知机的学习算法18

2.3总结20

第3章神经网络框架Neuroph介绍21

3.1Neuroph是什么21

3.2Neuroph系统的构成22

3.3Neuroph Studio的功能展示22

3.3.1使用Neuroph Studio构造感知机处理逻辑与23

3.3.2使用Neuroph Studio进行动物分类实验28

3.4Neuroph Library架构分析34

3.4.1Neuroph Library核心架构35

3.4.2Neuron神经元35

3.4.3Layer层36

3.4.4NeuralNetwork神经网络37

3.4.5LearningRule学习算法37

3.4.6DataSet和DataSetRow38

3.5Neuroph开发环境搭建38

3.5.1基础平台——Java介绍以及安装39

3.5.2包管理工具——Maven安装39

3.5.3开发工具——Eclipse安装40

3.6总结41

第4章使用Java实现感知机及其应用42

4.1第一个Neuroph程序——使用感知机记忆逻辑与42

4.1.1创建感知机网络42

4.1.2理解输入神经元InputNeuron45

4.1.3理解贝叶斯神经元BiasNeuron45

4.1.4step传输函数是如何实现的46

4.2让感知机理解坐标系统47

4.2.1感知机网络的设计47

4.2.2感知机网络的实现47

4.3感知机学习算法与Java实现49

4.3.1感知机学习规则的实现50

4.3.2一个自学习的感知机实现——SimplePerceptron51

4.3.3小试牛刀——SimplePerceptron学习逻辑与52

4.3.4训练何时停止53

4.4再看坐标点位置识别55

4.5感知机的极限——异或问题57

4.6总结58

第5章ADALINE网络及其应用59

5.1ADALINE网络与LMS算法59

5.2ADALINE网络的Java实现60

5.3使用ADALINE网络识别数字62

5.3.1印刷体数字识别问题概述62

5.3.2代码实现63

5.3.3加入噪点后再尝试66

5.4总结67

第6章多层感知机和BP学习算法68

6.1多层感知机的结构与简单实现68

6.1.1多层感知机结构的提出68

6.1.2定义多层感知机处理异或问题69

6.1.3多层感知机的简单实现71

6.2多层感知机学习算法——BP学习算法74

6.2.1BP学习算法理论介绍74

6.2.2BP学习算法与BP神经网络的实现77

6.3BP神经网络细节优化84

6.3.1随机化权值的方式84

6.3.2Sigmoid函数导数的探讨86

6.4带着算法重回异或问题87

6.5总结89

第7章BP神经网络的案例90

7.1奇偶性判别问题90

7.1.1问题描述90

7.1.2代码实现90

7.2函数逼近94

7.2.1问题描述94

7.2.2代码实现94

7.3动物分类99

7.3.1问题描述99

7.3.2问题分析100

7.3.3代码实现102

7.4简单的语音识别104

7.4.1问题描述104

7.4.2代码实现104

7.5MNIST手写体识别106

7.5.1问题描述106

7.5.2问题分析108

7.5.3代码实现108

7.6总结112

第8章Hopfield神经网络113

8.1Hopfield神经网络的结构和原理113

8.1.1Hopfield网络的结构113

8.1.2网络吸引子114

8.1.3网络权值的设计115

8.2网络的存储容量117

8.3Hopfield神经网络的Java实现118

8.3.1Hopfield网络构造函数118

8.3.2Hopfield网络的神经及其特点119

8.3.3Hopfield网络学习算法120

8.4Hopfield网络还原带有噪点的字符121

8.5Hopfield网络的自联想案例123

8.6总结126

第9章BAM双向联想记忆网络127

9.1BAM网络的结构与原理127

9.2BAM网络的学习算法128

9.3使用Java实现BAM网络129

9.3.1BAM网络的静态结构129

9.3.2BAM网络学习算法130

9.3.3BAM网络的运行131

9.4BAM网络的应用133

9.4.1场景描述——人名与电话133

9.4.2数据编码设计134

9.4.3具体实现136

9.5总结140

第10章竞争学习网络141

10.1竞争学习的基本原理141

10.1.1向量的相似性142

10.1.2竞争学习规则143

10.2自组织映射网络SOM的原理144

10.2.1SOM网络的生物学意义144

10.2.2SOM网络的结构144

10.2.3SOM网络的运行原理145

10.2.4有关初始化权重的问题146

10.3SOM网络的Java实现147

10.3.1SOM网络拓扑结构的实现147

10.3.2SOM网络的初始权值设置150

10.3.3Kohonen算法的实现153

10.4SOM网络的应用157

10.4.1使用SOM网络进行动物聚类158

10.4.2使用SOM网络进行城市聚类161

10.5总结164

第11章PCA神经网络165

11.1PCA方法概述165

11.1.1PCA方法数学背景166

11.1.2PCA计算示例167

11.2PCA神经网络学习算法170

11.2.1Oja算法170

11.2.2Sanger算法171

11.3基于Neuroph实现PCA网络172

11.3.1Oja算法的实现172

11.3.2Sanger算法的实现177

11.4使用PCA网络预处理MNIST手写体数据集178

11.5总结181

下载链接

高速下载地址被作者隐藏,请输入验证码查看内容。

请输入验证码:
请关注本站微信公众号后回复 验证码 ,获取验证码。
可以在微信搜索 瑾年网络 或者 jnwlzyw 来关注公众号
您也可以微信扫描二维码关注本站微信公众号。
瑾年网络

标签: 计算编程

发表评论 (已有0条评论)

还木有评论哦,快来抢沙发吧~