扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
机械工业出版社智能系统与技术丛书神经网络:R语言实现 版权信息
- ISBN：9787111603849
- 条形码：9787111603849 ; 978-7-111-60384-9
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
机械工业出版社智能系统与技术丛书神经网络:R语言实现 本书特色
本书从神经网络的基本概念出发，详细介绍了神经网络的学习过程、前向神经网络、后向反馈神经网络、循环和卷积神经网络、多层神经网络，感知神经网络、深度神经网络。在介绍神经网络基本知识的同时，应用当前为广泛使用的数据分析软件R，演示了相关的神经网络概念和模型的应用。同时，本书也介绍了当前流行的神经网络模型的实现软件包，例如TensorFlow、Keras等，并介绍了如何把它们集成到R的应用中。
机械工业出版社智能系统与技术丛书神经网络:R语言实现 内容简介
本书从神经网络的基本概念出发，详细介绍了神经网络的学习过程、前向神经网络、后向反馈神经网络、循环和卷积神经网络、多层神经网络，感知神经网络、深度神经网络。在介绍神经网络基本知识的同时，应用当前为广泛使用的数据分析软件R，演示了相关的神经网络概念和模型的应用。同时，本书也介绍了当前流行的神经网络模型的实现软件包，例如TensorFlow、Keras等，并介绍了如何把它们集成到R的应用中。
机械工业出版社智能系统与技术丛书神经网络:R语言实现 目录
目 录
译者序
关于作者
关于审稿人
前言
第1章 神经网络和人工智能概念 1
1.1 简介 2
1.2 神经网络的灵感 3
1.3 神经网络的工作原理 4
1.4 分层方法 5
1.5 权重和偏差 6
1.6 训练神经网络 7
1.6.1 有监督学习 7
1.6.2 无监督学习 7
1.7 epoch 7
1.8 激活函数 8
1.9 不同的激活函数 8
1.9.1 线性函数 8
1.9.2 单位阶跃激活函数 9
1.9.3 sigmoid函数 10
1.9.4 双曲正切函数 11
1.9.5 线性修正单元函数 11
1.10 使用哪些激活函数 12
1.11 感知机和多层架构 13
1.12 前向和反向传播 13
1.13 逐步说明神经网络和激活函数 14
1.14 前馈和反馈网络 16
1.15 梯度下降 17
1.16 神经网络分类法 17
1.17 使用R语言神经网络添加包neuralnet()的简单示例 19
1.18 使用添加包nnet()进行实现 24
1.19 深度学习 29
1.20 神经网络的优缺点 29
1.21 神经网络实现的*佳实践 30
1.22 有关GPU处理的简要说明 30
1.23 小结 31
第2章 神经网络中的学习过程 32
2.1 机器学习 33
2.1.1 有监督学习 34
2.1.2 无监督学习 35
2.1.3 强化学习 36
2.2 训练和测试模型 37
2.3 数据循环 38
2.4 评估指标 39
2.5 学习神经网络 42
2.6 反向传播 43
2.7 神经网络学习算法的优化 45
2.8 神经网络中的有监督学习 46
2.8.1 波士顿数据集 46
2.8.2 对波士顿数据集进行神经网络回归 48
2.9 神经网络中的无监督学习 54
2.9.1 竞争学习 55
2.9.2 Kohonen SOM 57
2.10 小结 63
第3章 使用多层神经网络进行深度学习 64
3.1 DNN简介 65
3.2 用于DNN的R语言 67
3.3 通过neuralnet建立多层神经网络 69
3.4 使用H2O对DNN进行训练和建模 78
3.5 使用H2O建立深度自动编码器 90
3.6 小结 91
第4章 感知神经网络建模—基本模型 93
4.1 感知机及其应用 93
4.2 简单感知机—一个线性可分离分类器 96
4.3 线性分离 98
4.4 R中的感知机函数 101
4.5 多层感知机 107
4.6 使用RSNNS在R中实现MLP 108
4.7 小结 117
第5章 在R中训练和可视化神经网络 119
5.1 使用神经网络进行数据拟合 120
5.1.1 探索性分析 124
5.1.2 神经网络模型 126
5.2 使用神经网络对乳腺癌进行分类 135
5.2.1 探索性分析 138
5.2.2 神经网络模型 143
5.2.3 网络训练阶段 146
5.2.4 测试神经网络 149
5.3 神经网络训练中的早期停止 152
5.4 避免模型中的过拟合 152
5.5 神经网络的泛化 154
5.6 神经网络模型中数据的缩放 154
5.7 集成神经网络来预测 155
5.8 小结 156
第6章 循环和卷积神经网络 157
6.1 循环神经网络 158
6.2 R中的添加包rnn 162
6.3 LSTM模型 170
6.4 卷积神经网络 172
6.5 常见的CNN架构—LeNet 175
6.6 使用RNN进行湿度预测 176
6.7 小结 183
第7章 神经网络案例—高级主题 185
7.1 TensorFlow与R的集成 186
7.2 Keras与R的集成 189
7.3 在R中使用MNIST HWR 190
7.4 使用数据集iris建立LSTM 199
7.5 使用自动编码器 203
7.6 使用H2O进行主成分分析 204
7.7 使用H2O建立自动编码器 207
7.8 使用添加包darch检测乳腺癌 211
7.9 小结 217
译者序
关于作者
关于审稿人
前言
第1章 神经网络和人工智能概念 1
1.1 简介 2
1.2 神经网络的灵感 3
1.3 神经网络的工作原理 4
1.4 分层方法 5
1.5 权重和偏差 6
1.6 训练神经网络 7
1.6.1 有监督学习 7
1.6.2 无监督学习 7
1.7 epoch 7
1.8 激活函数 8
1.9 不同的激活函数 8
1.9.1 线性函数 8
1.9.2 单位阶跃激活函数 9
1.9.3 sigmoid函数 10
1.9.4 双曲正切函数 11
1.9.5 线性修正单元函数 11
1.10 使用哪些激活函数 12
1.11 感知机和多层架构 13
1.12 前向和反向传播 13
1.13 逐步说明神经网络和激活函数 14
1.14 前馈和反馈网络 16
1.15 梯度下降 17
1.16 神经网络分类法 17
1.17 使用R语言神经网络添加包neuralnet()的简单示例 19
1.18 使用添加包nnet()进行实现 24
1.19 深度学习 29
1.20 神经网络的优缺点 29
1.21 神经网络实现的*佳实践 30
1.22 有关GPU处理的简要说明 30
1.23 小结 31
第2章 神经网络中的学习过程 32
2.1 机器学习 33
2.1.1 有监督学习 34
2.1.2 无监督学习 35
2.1.3 强化学习 36
2.2 训练和测试模型 37
2.3 数据循环 38
2.4 评估指标 39
2.5 学习神经网络 42
2.6 反向传播 43
2.7 神经网络学习算法的优化 45
2.8 神经网络中的有监督学习 46
2.8.1 波士顿数据集 46
2.8.2 对波士顿数据集进行神经网络回归 48
2.9 神经网络中的无监督学习 54
2.9.1 竞争学习 55
2.9.2 Kohonen SOM 57
2.10 小结 63
第3章 使用多层神经网络进行深度学习 64
3.1 DNN简介 65
3.2 用于DNN的R语言 67
3.3 通过neuralnet建立多层神经网络 69
3.4 使用H2O对DNN进行训练和建模 78
3.5 使用H2O建立深度自动编码器 90
3.6 小结 91
第4章 感知神经网络建模—基本模型 93
4.1 感知机及其应用 93
4.2 简单感知机—一个线性可分离分类器 96
4.3 线性分离 98
4.4 R中的感知机函数 101
4.5 多层感知机 107
4.6 使用RSNNS在R中实现MLP 108
4.7 小结 117
第5章 在R中训练和可视化神经网络 119
5.1 使用神经网络进行数据拟合 120
5.1.1 探索性分析 124
5.1.2 神经网络模型 126
5.2 使用神经网络对乳腺癌进行分类 135
5.2.1 探索性分析 138
5.2.2 神经网络模型 143
5.2.3 网络训练阶段 146
5.2.4 测试神经网络 149
5.3 神经网络训练中的早期停止 152
5.4 避免模型中的过拟合 152
5.5 神经网络的泛化 154
5.6 神经网络模型中数据的缩放 154
5.7 集成神经网络来预测 155
5.8 小结 156
第6章 循环和卷积神经网络 157
6.1 循环神经网络 158
6.2 R中的添加包rnn 162
6.3 LSTM模型 170
6.4 卷积神经网络 172
6.5 常见的CNN架构—LeNet 175
6.6 使用RNN进行湿度预测 176
6.7 小结 183
第7章 神经网络案例—高级主题 185
7.1 TensorFlow与R的集成 186
7.2 Keras与R的集成 189
7.3 在R中使用MNIST HWR 190
7.4 使用数据集iris建立LSTM 199
7.5 使用自动编码器 203
7.6 使用H2O进行主成分分析 204
7.7 使用H2O建立自动编码器 207
7.8 使用添加包darch检测乳腺癌 211
7.9 小结 217
展开全部
书友推荐
- >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥15.9¥49.8 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.5¥10.0 - >
回忆爱玛侬
回忆爱玛侬
¥9.8¥32.8 - >
随园食单
随园食单
¥21.6¥48.0 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
朝闻道
朝闻道
¥15.0¥23.8 - >
自卑与超越
自卑与超越
¥13.5¥39.8
本类畅销
-
网络工程师教程(第2版)
¥69.3¥99 -
Python 数据分析基础
¥41¥69 -
Python 3.5从零开始学
¥26.4¥59 -
虚拟化与容器技术
¥49.9¥69.8 -
UG NX 11.0工程图教程-(含1DVD)
¥30.4¥59.9 -
程序设计语言编译原理(第3版)
¥25.4¥39
