热门搜索: 中考 高考 考试 开卷17
服务电话 024-96192/23945006
 

Java人工神经网络构建/智能系统与技术丛书

编号:
wx1202294335
销售价:
¥104.72
(市场价: ¥119.00)
赠送积分:
105
商品介绍

本书使用Java开发神经网络应用程序。在学习了神经网络处理所涉及的规则之后,你将可以手工处理个神经网络示例。本书涵盖了前向传播和反向传播的内在机理,有助于读者理解神经网络处理的主要原理。还教你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。
书中讨论的下一个大主题是使用Java进行神经网络处理。你将使用Encog Java框架,并了解如何使用Encoq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。
本书主要内容:
为许多不同的任务准备数据;
执行一些不寻常的神经网络任务;
创建一个处理非连续函数的神经网络;
选择和改进开发的模型。

伊戈尔·利夫申(Igor Livshin)在两家大型保险公司(Continental Insurance和伊利诺伊州的Blue Cross & Blue Shield)担任不错J2EE架构师多年,开发大型企业应用程序。他在2003年出版了他的本书Web Studio Application Developer 5.0。他目前在Dev Technologies公司担任不错架构师,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。

前言
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 最常用的函数导数
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 规范化输入数据集
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
0章 用神经网络对对象进行分类
10.1 示例6:记录分类
10.2 训练数据集
10.3 网络架构
10.4 测试数据集
10.5 数据规范化程序代码
10.6 分类程序代码
10.7 训练结果
10.8 测试结果
10.9 本章小结
1章 选择正确模型的重要性
11.1 示例7:预测下个月的股市价格
11.2 在数据集中包含函数拓扑
11.3 生成微批次文件
11.4 网络架构
11.5 程序代码
11.6 训练过程
11.7 训练结果
11.8 测试数据集
11.9 测试逻辑
11.10 测试结果
11.11 分析测试结果
11.12 本章小结
2章 三维空间中的函数逼近处理
12.1 示例8:三维空间中函数的逼近
12.1.1 数据准备
12.1.2 网络架构
12.2 程序代码
12.3 本章小结

商品参数
基本信息
出版社 机械工业出版社
ISBN 9787111673972
条码 9787111673972
编者 (美)伊戈尔·利夫申
译者
出版年月 2021-02-01 00:00:00.0
开本 16开
装帧 平装
页数 380
字数 160
版次 1
印次 1
纸张
商品评论

暂无商品评论信息 [发表商品评论]

商品咨询

暂无商品咨询信息 [发表商品咨询]