人工智能 类型
9.2 豆瓣评分
可以朗读 语音朗读
117千字 字数
2018-04-01 发行日期
展开全部

主编推荐语

人工智能深度学习机器学习领域又一重磅力作，自己动手用Python编写神经网络。

内容简介

本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。

目录

  • 版权信息
  • 内容提要
  • 译者序
  • 序言
  • 探索智能机器
  • 人工智能的新黄金时代
  • 前言
  • 本书的目标读者
  • 我们将会做些什么
  • 我们将如何做到这点
  • 反馈
  • 第1章 神经网络如何工作
  • 1.1 尺有所短，寸有所长
  • 1.2 一台简单的预测机
  • 1.3 分类器与预测器并无太大差别
  • 1.4 训练简单的分类器
  • 1.5 有时候一个分类器不足以求解问题
  • 1.6 神经元——大自然的计算机器
  • 1.7 在神经网络中追踪信号
  • 1.8 凭心而论，矩阵乘法大有用途
  • 1.9 使用矩阵乘法的三层神经网络示例
  • 1.10 学习来自多个节点的权重
  • 1.11 多个输出节点反向传播误差
  • 1.12 反向传播误差到更多层中
  • 1.13 使用矩阵乘法进行反向传播误差
  • 1.14 我们实际上如何更新权重
  • 1.15 权重更新成功范例
  • 1.16 准备数据
  • 1.16.1 输入
  • 1.16.2 输出
  • 1.16.3 随机初始权重
  • 第2章 使用Python进行DIY
  • 2.1 Python
  • 2.2 交互式Python = IPython
  • 2.3 优雅地开始使用Python
  • 2.3.1 Notebook
  • 2.3.2 简单的Python
  • 2.3.3 自动化工作
  • 2.3.4 注释
  • 2.3.5 函数
  • 2.3.6 数组
  • 2.3.7 绘制数组
  • 2.3.8 对象
  • 2.4 使用Python制作神经网络
  • 2.4.1 框架代码
  • 2.4.2 初始化网络
  • 2.4.3 权重——网络的核心
  • 2.4.4 可选项：较复杂的权重
  • 2.4.5 查询网络
  • 2.4.6 迄今为止的代码
  • 2.4.7 训练网络
  • 2.4.8 完整的神经网络代码
  • 2.5 手写数字的数据集MNIST
  • 2.5.1 准备MNIST训练数据
  • 2.5.2 测试网络
  • 2.5.3 使用完整数据集进行训练和测试
  • 2.5.4 一些改进：调整学习率
  • 2.5.5 一些改进：多次运行
  • 2.5.6 改变网络形状
  • 2.5.7 大功告成
  • 2.5.8 最终代码
  • 第3章 趣味盎然
  • 3.1 自己的手写数字
  • 3.2 神经网络大脑内部
  • 3.2.1 神秘的黑盒子
  • 3.2.2 向后查询
  • 3.2.3 标签“0”
  • 3.2.4 更多的大脑扫描
  • 3.3 创建新的训练数据：旋转图像
  • 3.4 结语
  • 附录A 微积分简介
  • A.1 一条平直的线
  • A.2 一条斜线
  • A.3 一条曲线
  • A.4 手绘微积分
  • A.5 非手绘微积分
  • A.6 无需绘制图表的微积分
  • A.7 模式
  • A.8 函数的函数
  • 附录B 使用树莓派来工作
  • B.1 安装IPython
  • B.2 确保各项工作正常进行
  • B.3 训练和测试神经网络
  • B.4 树莓派成功了
展开全部

评分及书评

尚无评分
目前还没人评分
  • 加载中...

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。