科技 类型
可以朗读 语音朗读
105千字 字数
2017-09-01 发行日期
展开全部

主编推荐语

本书非常适合对神经网络技术感兴趣的开发人员和业余读者阅读，读者无需具备Java编程知识，也无需提前了解神经网络的相关概念。

内容简介

人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。

本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络优化与自适应等经典案例囊括其中。本书在附录中详细地指导读者进行开发环境的配置，帮助读者更加顺利地进行程序开发。

目录

  • 版权信息
  • 内容提要
  • 作者简介
  • 译者简介
  • 审稿人简介
  • 前言
  • 第1章 初识神经网络
  • 1.1 探索神经网络
  • 1.2 为什么要用人工神经网络
  • 1.3 神经网络的构造
  • 1.3.1 基础元素——人工神经元
  • 1.3.2 赋予神经元生命——激活函数
  • 1.3.3 基础值——权值
  • 1.3.4 重要参数——偏置
  • 1.3.5 神经网络组件——层
  • 1.4 神经网络结构
  • 1.4.1 单层神经网络
  • 1.4.2 多层神经网络
  • 1.4.3 前馈神经网络
  • 1.4.4 反馈神经网络
  • 1.5 从无知到有识——学习过程
  • 1.6 实践神经网络
  • 1.7 小结
  • 第2章 神经网络是如何学习的
  • 2.1 神经网络的学习能力
  • 神经网络如何有助于解决问题
  • 2.2 学习范式
  • 2.2.1 监督学习
  • 2.2.2 无监督学习
  • 2.3 系统结构——学习算法
  • 2.3.1 学习的两个阶段——训练和测试
  • 2.3.2 细节——学习参数
  • 2.3.3 误差度量和代价函数
  • 2.4 学习算法示例
  • 2.4.1 感知机
  • 2.4.2 Delta规则
  • 2.5 神经网络学习过程的编码
  • 2.5.1 参数学习实现
  • 2.5.2 学习过程
  • 2.5.3 类定义
  • 2.6 两个实例
  • 2.6.1 感知机（报警系统）
  • 2.6.2 ADALINE（交通预测）
  • 2.7 小结
  • 第3章 运用感知机
  • 3.1 学习感知机神经网络
  • 3.1.1 感知机的应用和局限性
  • 3.1.2 线性分离
  • 3.1.3 经典XOR（异或）例子
  • 3.2 流行的多层感知机（MLP）
  • 3.2.1 MLP属性
  • 3.2.2 MLP权值
  • 3.2.3 递归MLP
  • 3.2.4 MLP在OOP范式中的结构
  • 3.3 有趣的MLP应用
  • 3.3.1 使用MLP进行分类
  • 3.3.2 用MLP进行回归
  • 3.4 MLP的学习过程
  • 3.4.1 简单但很强大的学习算法——反向传播
  • 3.4.2 复杂而有效的学习算法——Levenberg Marquardt
  • 3.5 MLP实现
  • 3.5.1 实战反向传播算法
  • 3.5.2 探索代码
  • 3.6 Levenberg–Marquardt实现
  • 3.7 实际应用——新生入学
  • 3.8 小结
  • 第4章 自组织映射
  • 4.1 神经网络无监督学习方式
  • 4.2 无监督学习算法介绍
  • 竞争学习或者赢家通吃
  • 4.3 Kohonen自组织映射
  • 4.3.1 一维SOM
  • 4.3.2 二维SOM
  • 4.3.3 逐步实现自组织映射网络学习
  • 4.3.4 如何使用SOM
  • 4.4 Kohonen算法编程
  • 4.4.1 探索Kohonen类
  • 4.4.2 Kohonen实现（动物聚类）
  • 4.5 小结
  • 第5章 天气预测
  • 5.1 针对预测问题的神经网络
  • 5.2 无数据，无神经网络——选择数据
  • 5.2.1 了解问题——天气变量
  • 5.2.2 选择输入输出变量
  • 5.2.3 移除无关行为——数据过滤
  • 5.3 调整数值——数据预处理
  • 平衡数据——标准化
  • 5.4 Java实现天气预测
  • 5.4.1 绘制图表
  • 5.4.2 处理数据文件
  • 5.4.3 构建天气预测神经网络
  • 5.5 神经网络经验设计
  • 5.5.1 选择训练和测试数据集
  • 5.5.2 设计实验
  • 5.5.3 结果和模拟
  • 5.6 小结
  • 第6章 疾病诊断分类
  • 6.1 什么是分类问题，以及如何应用神经网络
  • 6.2 激活函数的特殊类型——逻辑回归
  • 6.2.1 二分类VS多分类
  • 6.2.2 比较预期结果与产生结果——混淆矩阵
  • 6.2.3 分类衡量——灵敏度和特异性
  • 6.3 应用神经网络进行分类
  • 6.4 神经网络的疾病诊断
  • 6.4.1 使用神经网络诊断乳腺癌
  • 6.4.2 应用神经网络进行早期糖尿病诊断
  • 6.5 小结
  • 第7章 客户特征聚类
  • 7.1 聚类任务
  • 7.1.1 聚类分析
  • 7.1.2 聚类评估和验证
  • 7.1.3 外部验证
  • 7.2 应用无监督学习
  • 7.2.1 径向基函数神经网络
  • 7.2.2 Kohonen神经网络
  • 7.2.3 数据类型
  • 7.3 客户特征
  • 数据预处理
  • 7.4 Java实现
  • 基于客户特征分析的卡信用分析
  • 7.5 小结
  • 第8章 模式识别（OCR案例）
  • 8.1 什么是模式识别
  • 8.1.1 定义大量数据中的类别
  • 8.1.2 如果未定义的类没有被定义怎么办
  • 8.1.3 外部验证
  • 8.2 如何在模式识别中应用神经网络算法
  • 8.2.1 预处理数据
  • 8.3 OCR问题
  • 8.3.1 简化任务——数字识别
  • 8.3.2 数字表示的方法
  • 8.4 开始编码
  • 8.4.1 生成数据
  • 8.4.2 构建神经网络
  • 8.4.3 测试和重新设计——试错
  • 8.4.4 结果
  • 8.5 小结
  • 第9章 神经网络优化与自适应
  • 9.1 神经网络实现中的常见问题
  • 9.2 输入选择
  • 9.2.1 数据相关性
  • 9.2.2 降维
  • 9.2.3 数据过滤
  • 9.3 结构选择
  • 9.4 在线再训练
  • 9.4.1 随机在线学习
  • 9.4.2 实现
  • 9.4.3 应用
  • 9.5 自适应神经网络
  • 9.5.1 自适应共振理论
  • 9.5.2 实现
  • 9.6 小结
  • 附录A NetBeans环境搭建
  • 附录B Eclipse环境搭建
  • 附录C 参考文献
展开全部

评分及书评

评分不足
1个评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。