神經網絡算法與實現 基於Java語言 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[巴西] Fábio，M.，Soares，法比奧，Alan ... 著，範東來，封強 譯

齣版社： 人民郵電齣版社

ISBN：9787115460936

版次：1

商品編碼：12165339

品牌：異步圖書

包裝：平裝

開本：16開

齣版時間：2017-09-01

用紙：膠版紙

頁數：189

正文語種：中文

編輯推薦

神經網絡已成為從大量原始的，看似無關的數據中提取有用知識的強大技術。 Java語言是用於實現神經網絡的zui閤適的工具之一，也是現階段非常流行的編程語言之一，包含多種有助於開發的API和包，具有“一次編寫，隨處運行”的可移植性。

本書完整地演示瞭使用Java開發神經網絡的過程，既有非常基礎的實例也有高級實例。首先，你將學習神經網絡的基礎知識、感知機及其特徵。 然後，你將使用學到的概念來實現自組織映射網絡。 此外，你還會瞭解一些應用，如天氣預報、疾病診斷、客戶特徵分析和光學字符識彆（OCR）等。 zui後，你將學習實時優化和自適應神經網絡的方法。

首先，你將學習神經網絡的基礎知識和它們的學習過程。 然後我們關注感知機及其特徵。 接下來，您將使用您學到的概念實現自組織映射。 此外，您將瞭解一些應用，如天氣預報，疾病診斷，客戶特徵分析和光學字符識彆（OCR）。 zui後，您將學習優化和適應實時神經網絡的方法。

本書所有的示例都提供瞭說明性的源代碼，這些源代碼綜閤瞭麵嚮對象編程（OOP）概念和神經網絡特性，以幫助你更好的學習。

通過閱讀本書，你講能夠：
掌握神經網絡的知識及其用途；
運用常見實例開發神經網絡；
探索和編碼zui廣泛使用的學習算法，讓你的神經網絡可以從大多數類型的數據中學習 知識；
發現神經網絡的無監督學習過程的力量，提取隱藏在數據背後的內在知識；
應用實際示例（如天氣預測和模式識彆）中生成的代碼；
瞭解如何選擇zui閤適的學習參數，以確保應用更高效；
選擇數據集，將數據集切分為訓練集、測試集和驗證集，並探索驗證策略；
瞭解如何改善和優化神經網絡。

內容簡介

人工神經網絡是由眾多連接權值可調的神經元連接而成，具有大規模並行處理、分布式信息存儲、良好的自組織自學習能力等特點，能夠完成模式識彆、機器學習以及預測趨勢等任務。
本書通過9章內容，並結閤Java編程語言，由淺入深地介紹瞭神經網絡算法的應用。書中涉及神經網絡的構建、神經網絡的結構、神經網絡的學習、感知機、自組織映射等核心概念，並將天氣預測、疾病診斷、客戶特徵聚類、模式識彆、神經網絡優化與自適應等經典案例囊括其中。本書在附錄中詳細地指導讀者進行開發環境的配置，幫助讀者更加順利地進行程序開發。
本書非常適閤對神經網絡技術感興趣的開發人員和業餘讀者閱讀，讀者無需具備Java編程知識，也無需提前瞭解神經網絡的相關概念。本書將從零開始為讀者進行由淺入深地講解。

作者簡介

Fábio M. Soares擁有帕拉聯邦大學（Universidade Federal do Pará，UFPA）的計算機應用專業碩士學位，目前是該所大學的在讀博士生。他從2004年開始就一直在設計神經網絡解決方案，在電信、化學過程建模等多個領域開發瞭神經網絡技術的應用，他的研究主題涉及數據驅動建模的監督學習。
他也是一名個體經營者，為巴西北部的一些中小型公司提供IT基礎設施管理和數據庫管理等服務。在過去，他曾為大公司工作，如Albras（世界上zui重要的鋁冶煉廠之一）和Eletronorte（巴西的一個大型電源供應商）。他也有當講師的經曆，曾在***聯邦農業大學（Federal Rural University）和卡斯塔尼亞爾的一個學院授課，兩所學校都在帕拉州，所教的學科涉及編程和人工智能。
他齣版瞭許多作品，其中許多都有英文版，所有作品都是關於針對某些問題的人工智能技術。他在眾多權v會議上發錶瞭一係列學術文章，如TMS（礦物金屬和材料學會）、輕金屬學會和智能數據工程、自動學習學會等學術會議。他還為Intech寫過兩章內容。
Alan M.F. Souza是來自***高級研究所（Instituto de Estudos Superiores da Amaz?nia，IESAM）的計算機工程師。他擁有軟件項目管理的研究生學位以及帕拉聯邦大學（Universidade Federal do Pará，UFPA）的工業過程（計算機應用）碩士學位。自2009年以來，他一直從事神經網絡方麵的工作，並從2006年開始與巴西的IT公司閤作進行Java、PHP、SQL和其他編程語言的開發。他熱衷於編程和計算智能。目前，他是***大學（Universidade da Amaz?nia，UNAMA）的教授和帕拉聯邦大學的在讀博士生。

目錄

第1章 初識神經網絡 1
1．1 探索神經網絡 1
1．2 為什麼要用人工神經網絡 2
1．3 神經網絡的構造 3
1．3．1 基礎元素——人工神經元 3
1．3．2 賦予神經元生命——
激活函數 4
1．3．3 基礎值——權值 5
1．3．4 重要參數——偏置 5
1．3．5 神經網絡組件——層 5
1．4 神經網絡結構 6
1．4．1 單層神經網絡 7
1．4．2 多層神經網絡 7
1．4．3 前饋神經網絡 8
1．4．4 反饋神經網絡 8
1．5 從無知到有識——學習過程 8
1．6 實踐神經網絡 9
1．7 小結 15
第2章 神經網絡是如何學習的 16
2．1 神經網絡的學習能力 16
2．2 學習範式 17
2．2．1 監督學習 17
2．2．2 無監督學習 18
2．3 係統結構——學習算法 19
2．3．1 學習的兩個階段——訓練
和測試 20
2．3．2 細節——學習參數 21
2．3．3 誤差度量和代價函數 22
2．4 學習算法示例 22
2．4．1 感知機 22
2．4．2 Delta規則 23
2．5 神經網絡學習過程的編碼 23
2．5．1 參數學習實現 23
2．5．2 學習過程 24
2．5．3 類定義 26
2．6 兩個實例 33
2．6．1 感知機（報警係統） 34
2．6．2 ADALINE（交通預測） 37
2．7 小結 42
第3章 運用感知機 43
3．1 學習感知機神經網絡 43
3．1．1 感知機的應用和局限性 44
3．1．2 綫性分離 44
3．1．3 經典XOR（異或）
例子 45
3．2 流行的多層感知機（MLP） 47
3．2．1 MLP屬性 48
3．2．2 MLP權值 49
3．2．3 遞歸MLP 50
3．2．4 MLP在OOP範式中的
結構 50
3．3 有趣的MLP應用 51
3．3．1 使用MLP進行分類 51
3．3．2 用MLP進行迴歸 53
3．4 MLP的學習過程 54
3．4．1 簡單但很強大的學習
算法——反嚮傳播 55
3．4．2 復雜而有效的學習算法——
Levenberg–Marquardt 57
3．5 MLP實現 58
3．5．1 實戰反嚮傳播算法 61
3．5．2 探索代碼 62
3．6 Levenberg–Marquardt實現 66
3．7 實際應用——新生入學 68
3．8 小結 71
第4章 自組織映射 72
4．1 神經網絡無監督學習方式 72
4．2 無監督學習算法介紹 73
4．3 Kohonen 自組織映射 76
4．3．1 一維SOM 77
4．3．2 二維SOM 78
4．3．3 逐步實現自組織映射網絡
學習 80
4．3．4 如何使用SOM 81
4．4 Kohonen算法編程 81
4．4．1 探索Kohonen類 84
4．4．2 Kohonen實現
（動物聚類） 86
4．5 小結 88
第5章 天氣預測 89
5．1 針對預測問題的神經網絡 89
5．2 無數據，無神經網絡——
選擇數據 91
5．2．1 瞭解問題——天氣變量 92
5．2．2 選擇輸入輸齣變量 92
5．2．3 移除無關行為——
數據過濾 93
5．3 調整數值——數據預處理 94
5．4 Java實現天氣預測 96
5．4．1 繪製圖錶 96
5．4．2 處理數據文件 97
5．4．3 構建天氣預測神經網絡 98
5．5 神經網絡經驗設計 101
5．5．1 選擇訓練和測試
數據集 101
5．5．2 設計實驗 102
5．5．3 結果和模擬 103
5．6 小結 105
第6章 疾病診斷分類 106
6．1 什麼是分類問題，以及如何應用
神經網絡 106
6．2 激活函數的特殊類型——
邏輯迴歸 107
6．2．1 二分類VS多分類 109
6．2．2 比較預期結果與産生
結果——混淆矩陣 109
6．2．3 分類衡量——靈敏度和
特異性 110
6．3 應用神經網絡進行分類 111
6．4 神經網絡的疾病診斷 114
6．4．1 使用神經網絡診斷
乳腺癌 114
6．4．2 應用神經網絡進行早期糖
尿病診斷 118
6．5 小結 121
第7章 客戶特徵聚類 122
7．1 聚類任務 123
7．1．1 聚類分析 123
7．1．2 聚類評估和驗證 124
7．1．3 外部驗證 125
7．2 應用無監督學習 125
7．2．1 徑嚮基函數神經網絡 125
7．2．2 Kohonen 神經網絡 126
7．2．3 數據類型 127
7．3 客戶特徵 128
7．4 Java實現 129
7．5 小結 135
第8章 模式識彆（OCR案例） 136
8．1 什麼是模式識彆 136
8．1．1 定義大量數據中的
類彆 137
8．1．2 如果未定義的類沒有被
定義怎麼辦 138
8．1．3 外部驗證 138
8．2 如何在模式識彆中應用神經網絡
算法 138
8．3 OCR問題 140
8．3．1 簡化任務——數字
識彆 140

8．3．2 數字錶示的方法 140
8．4 開始編碼 141
8．4．1 生成數據 141
8．4．2 構建神經網絡 143
8．4．3 測試和重新設計——
試錯 144
8．4．4 結果 145
8．5 小結 148
第9章 神經網絡優化與自適應 149
9．1 神經網絡實現中的常見問題 149
9．2 輸入選擇 150
9．2．1 數據相關性 150
9．2．2 降維 151
9．2．3 數據過濾 152
9．3 結構選擇 152
9．4 在綫再訓練 154
9．4．1 隨機在綫學習 155
9．4．2 實現 156
9．4．3 應用 157
9．5 自適應神經網絡 159
9．5．1 自適應共振理論 159
9．5．2 實現 160
9．6 小結 162
附錄A NetBeans環境搭建 163
附錄B Eclipse環境搭建 175
附錄C 參考文獻 186

評分☆☆☆☆☆

內容還行吧，有點貴啊！！！

評分☆☆☆☆☆

很好 京東很靠譜 價格不錯

評分☆☆☆☆☆

人工智能深度學習。。。。。。。。。。。。。

評分☆☆☆☆☆

同時買瞭兩本書，這本挺好的，另一本就不行瞭，一點也不像正版的書。

評分☆☆☆☆☆

人工智能深度學習。。。。。。。。。。。。。

評分☆☆☆☆☆

京東物流很快，書很厚，內容很全麵，很多理論講的也很細，是全麵學習理論的好書，要是有代碼就更好瞭。

評分☆☆☆☆☆

圖書館藉過，書裏乾貨極多，梳理學術思想脈絡，還是自己有一本經常參考纔行

評分☆☆☆☆☆

書裝訂包裝都很精緻，內容正在看，經典的一本機器學習方麵的書籍。

評分☆☆☆☆☆

啦啦啦，還沒看，怎馬評？貌似高大上