图书盲袋,以书为“药”
欢迎光临中图网 请 | 注册
> >
Java人工神经网络构建

Java人工神经网络构建

出版社:机械工业出版社出版时间:2021-02-01
开本: 24cm 页数: 380页
中 图 价:¥83.3(7.0折) 定价  ¥119.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

Java人工神经网络构建 版权信息

  • ISBN:9787111673972
  • 条形码:9787111673972 ; 978-7-111-67397-2
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

Java人工神经网络构建 本书特色

适读人群 :神经网络算法工程师; AI工程师; Java开发人员; 对基于Java进行AI开发感兴趣的读者。本书致力于人工智能的一个分支:神经网络。神经网络使计算机能够从观测数据中学习并基于这些知识做出预测。具体来说,本书介绍神经网络的训练以及将神经网络用于函数逼近、预测和分类。 本书中讨论的一个大主题是使用Java进行神经网络处理。你将使用Encog Java框架,并了解如何使用Encog进行快速开发,从而创建大规模的神经网络应用程序。本书还讨论传统的神经网络过程无法逼近复杂的非连续函数问题,并介绍解决这一问题的微批次方法。 本书包括大量的示例、图表和屏幕截图,逐步讲解各种方法,帮助你快速轻松地掌握概念。

Java人工神经网络构建 内容简介

本书从零开始解释神经网络是如何工作的, 然后以训练一个小神经网络为例, 手动进行所有的计算。本书涵盖前向和反向传播的内在机理, 有助于读者理解神经网络的主要原理。还介绍如何准备用于神经网络开发的数据, 并为许多非传统的神经网络处理任务提出各种数据准备方法。书中讨论的另一个大主题是使用Java进行神经网络处理。

Java人工神经网络构建 目录

前言
第1章 关于神经网络的学习
1.1 生物神经元与人工神经元
1.2 激活函数
1.3 本章小结

第2章 神经网络处理的内在机理
2.1 逼近函数
2.2 网络架构
2.3 前向传递计算
2.4 输入记录1
2.5 输入记录2
2.6 输入记录3
2.7 输入记录4
2.8 反向传播过程计算
2.9 函数导数与函数发散
2.10 *常用的函数导数
2.11 本章小结

第3章 人工神经网络处理
3.1 示例1:单点函数的手动逼近
3.2 构建神经网络
3.3 前向传递计算
3.3.1 隐藏层
3.3.2 输出层
3.4 反向传递计算
3.4.1 计算输出层神经元的权值调整
3.4.2 计算隐藏层神经元的权值调整
3.5 更新网络偏差
3.6 回到前向传递
3.6.1 隐藏层
3.6.2 输出层
3.7 网络计算的矩阵形式
3.8 深入调查
3.9 小批次与随机梯度
3.10 本章小结

第4章 配置开发环境
4.1 在Windows计算机上安装Java 11环境
4.2 安装NetBeans IDE
4.3 安装Encog Java框架
4.4 安装XChart包
4.5 本章小结

第5章 使用Java Encog框架开发神经网络
5.1 示例2:使用Java环境进行函数逼近
5.2 网络架构
5.3 规范化输人数据集
5.4 构建规范化两个数据集的Java程序
5.5 构建神经网络处理程序
5.6 程序代码
5.7 调试和执行程序
5.8 训练方法的处理结果
5.9 测试网络
5.10 测试结果
5.11 深入调查
5.12 本章小结

第6章 训练范围外的神经网络预测
6.1 示例3a:逼近训练范围以外的周期函数
6.1.1 示例3a的网络架构
6.1.2 示例3a的程序代码
6.1.3 测试网络
6.2 示例3b:逼近训练范围以外的周期函数的正确方法
6.2.1 准备训练数据
6.2.2 示例3b的网络架构
6.2.3 示例3b的程序代码
6.2.4 示例3b的训练结果
6.2.5 示例3b的测试结果
6.3 本章小结

第7章 复杂周期函数的处理
7.1 示例4:复杂周期函数的逼近
7.2 数据准备
7.3 反映数据中的函数拓扑
7.4 程序代码
7.5 训练网络
7.6 测试网络
7.7 深入调查
7.8 本章小结

第8章 非连续函数的处理
8.1 示例5:非连续函数的逼近
8.2 程序代码
8.3 训练效果不理想
8.4 用微批次方法逼近非连续函数
8.5 微批次处理程序代码
8.5.1 getChart()方法的程序代码
8.5.2 训练方法的代码片段1
8.5.3 训练方法的代码片段2
8.6 微批次方法的训练结果
8.7 测试处理逻辑
8.8 微批次方法的测试结果
8.9 深入调查
8.10 本章小结

第9章 具有复杂拓扑的连续函数的处理
9.1 示例5a:使用传统的网络过程逼近具有复杂拓扑的连续函数
9.1.1 示例5a的网络架构
9.1.2 示例5a的程序代码
9.1.3 示例5a的训练处理结果
9.2 用微批次方法逼近具有复杂拓扑的连续函数
9.3 示例5b:螺旋函数的逼近
9.3.1 示例5b的网络架构
9.3.2 示例5b的程序代码
9.4 用微批次方法逼近同一函数
9.5 本章小结
……
第10章 用神经网络对对象进行分类
第11章 选择正确模型的重要性
第12章 三维空间中的函数逼近处理

展开全部

Java人工神经网络构建 作者简介

  Igor Livshin在两家大型保险公司(Continental Insurance和伊利诺伊州的Blue Cross & Blue Shield)担任高级J2EE架构师多年,开发大型企业应用程序。他在2003年出版了他的第一本书WebStudio Application Developer 5.0。他目前在Dev Technologies公司担任高级架构师,专注于开发神经网络应用程序。Igor拥有Institute of Technology in Odessa的计算机科学硕士学位。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
浏览历史
编辑推荐
返回顶部
中图网
在线客服