總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化基礎理論
 
 
 
 
神經網絡算法與實現:基於Java語言(配件另行下載)
 作  者: (巴西)法比奧/(巴西)艾倫
 出版單位: 人民郵電
 出版日期: 2017.09
 進貨日期: 2019/7/22
 ISBN: 9787115460936
 開  本: 16 開    
 定  價: 443
 售  價: 354
  會 員 價: 325
推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
編輯推薦:

神經網路已成為從大量原始的,看似無關的資料中提取有用知識的強大技術。 Java語言是用於實現神經網路的zui合適的工具之一,也是現階段非常流行的程式設計語言之一,包含多種有助於開發的API和包,具有“一次編寫,隨處運行”的可攜性。 本書完整地演示了使用Java開發神經網路的過程,既有非常基礎的實例也有高級實例。首先,你將學習神經網路的基礎知識、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路。 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元辨識(OCR)等。 zui後,你將學習即時優化和自我調整神經網路的方法。 首先,你將學習神經網路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元辨識(OCR)。 zui後,您將學習優化和適應即時神經網路的方法。 本書所有的示例都提供了說明性的原始程式碼,這些原始程式碼綜合了物件導向程式設計(OOP)概念和神經網路特性,以?明你更好的學習。 通過閱讀本書,你講能夠: 掌握神經網路的知識及其用途; 運用常見實例開發神經網路; 探索和編碼zui廣泛使用的學習演算法,讓你的神經網路可以從大多數類型的資料中學習 知識; 發現神經網路的無監督學習過程的力量,提取隱藏在資料背後的內在知識; 應用實際示例(如天氣預測和模式識別)中生成的代碼; 瞭解如何選擇zui合適的學習參數,以確保應用更高效; 選擇資料集,將資料集切分為訓練集、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路。


內容簡介:

人工神經網路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、分散式資訊存儲、良好的自組織自學習能力等特點,能夠完成模式識別、機器學習以及預測趨勢等任務。 本書通過9章內容,並結合Java程式設計語言,由淺入深地介紹了神經網路演算法的應用。書中涉及神經網路的構建、神經網路的結構、神經網路的學習、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、模式識別、神經網路優化與自我調整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,?明讀者更加順利地進行程式開發。 本書非常適合對神經網路技術感興趣的開發人員和業餘讀者閱讀,讀者無需具備Java程式設計知識,也無需提前瞭解神經網路的相關概念。本書將從零開始為讀者進行由淺入深地講解。


作者簡介:

Fabio M. Soares擁有帕拉聯邦大學(Universidade Federal do Para,UFPA)的電腦應用專業碩士學位,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路解決方案,在電信、化學過程建模等多個領域開發了神經網路技術的應用,他的研究主題涉及資料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基礎設施管理和資料庫管理等服務。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


圖書目錄:

第1章 初識神經網路 1

1.1 探索神經網路 1

1.2 為什麼要用人工神經網路 2

1.3 神經網路的構造 3

1.3.1 基礎元素——人工神經元 3

1.3.2 賦予神經元生命——

啟動函數 4

1.3.3 基礎值——權值 5

1.3.4 重要參數——偏置 5

1.3.5 神經網路元件——層 5

1.4 神經網路結構 6

1.4.1 單層神經網路 7

1.4.2 多層神經網路 7

1.4.3 前饋神經網路 8

1.4.4 回饋神經網路 8

1.5 從無知到有識——學習過程 8

1.6 實踐神經網路 9

1.7 小結 15

第2章 神經網路是如何學習的 16

2.1 神經網路的學習能力 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 系統結構——學習演算法 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 學習演算法示例 22

2.4.1 感知機 22

2.4.2 Delta規則 23

2.5 神經網路學習過程的編碼 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(報警系統) 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 學習感知機神經網路 43

3.1.1 感知機的應用和局限性 44

3.1.2 線性分離 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 遞迴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進行回歸 53

3.4 MLP的學習過程 54

3.4.1 簡單但很強大的學習

演算法——反向傳播 55

3.4.2 複雜而有效的學習演算法——

Levenberg?CMarquardt 57

3.5 MLP實現 58

3.5.1 實戰反向傳播演算法 61

3.5.2 探索代碼 62

3.6 Levenberg?CMarquardt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 神經網路無監督學習方式 72

4.2 無監督學習演算法介紹 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路

學習 80

4.3.4 如何使用SOM 81

4.4 Kohonen演算法程式設計 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路 89

5.2 無數據,無神經網路——

選擇資料 91

5.2.1 瞭解問題——天氣變數 92

5.2.2 選擇輸入輸出變數 92

5.2.3 移除無關行為——

資料過濾 93

5.3 調整數值——資料預處理 94

5.4 Java實現天氣預測 96

5.4.1 繪製圖表 96

5.4.2 處理資料檔案 97

5.4.3 構建天氣預測神經網路 98

5.5 神經網路經驗設計 101

5.5.1 選擇訓練和測試

資料集 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

神經網路 106

6.2 啟動函數的特殊類型——

邏輯回歸 107

6.2.1 二分類VS多分類 109

6.2.2 比較預期結果與產生

結果——混淆矩陣 109

6.2.3 分類衡量——靈敏度和

特異性 110

6.3 應用神經網路進行分類 111

6.4 神經網路的疾病診斷 114

6.4.1 使用神經網路診斷

乳腺癌 114

6.4.2 應用神經網路進行早期糖

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 徑向基函數神經網路 125

7.2.2 Kohonen 神經網路 126

7.2.3 資料類型 127

7.3 客戶特徵 128

7.4 Java實現 129

7.5 小結 135

第8章 模式識別(OCR案例) 136

8.1 什麼是模式識別 136

8.1.1 定義大量資料中的

類別 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 如何在模式識別中應用神經網路

演算法 138

8.3 OCR問題 140

8.3.1 簡化任務——數字

識別 140



8.3.2 數字表示的方法 140

8.4 開始編碼 141

8.4.1 生成資料 141

8.4.2 構建神經網路 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 神經網路優化與自我調整 149

9.1 神經網路實現中的常見問題 149

9.2 輸入選擇 150

9.2.1 資料相關性 150

9.2.2 降維 151

9.2.3 資料過濾 152

9.3 結構選擇 152

9.4 線上再訓練 154

9.4.1 隨機線上學習 155

9.4.2 實現 156

9.4.3 應用 157

9.5 自我調整神經網路 159

9.5.1 自我調整共振理論 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

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 至2018年起,因中國大陸環保政策,部分書籍配件以QR CODE取代光盤音頻mp3或dvd,已無提供實體光盤。如需使用學習配件,請掃描QR CODE 連結至當地網站註冊並通過驗證程序,方可下載使用。造成不便,敬請見諒。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。