基本介紹
- 中文名：Java人工神經網路構建
- 作者：伊戈爾·利夫申（Igor Livshin）
- 出版時間：2021年2月1日
- 出版社：機械工業出版社
- ISBN：9787111673972
內容簡介,圖書目錄,
內容簡介
《Java人工神經網路構建》使用Java開發神經網路應用程式。在學習了神經網路處理所涉及的規則之後，你將可以手工處理一個神經網路示例。該書涵蓋了前向傳播和反向傳播的內在機理，有助於讀者理解神經網路處理的主要原理。還教你如何準備用於神經網路開發的數據，並為許多非傳統的神經網路處理任務提出各種數據準備方法。
書中討論的下一個大主題是使用Java進行神經網路處理。你將使用Encog Java框架，並了解如何使用Encog進行快速開發，從而創建大規模的神經網路應用程式。
該書還討論傳統的神經網路過程無法逼近複雜的非連續函式問題，並介紹解決這一問題的微批次方法。該書包括大量的示例、圖表和螢幕截圖，逐步講解各種方法，幫助你快速輕鬆地掌握概念。
《Java人工神經網路構建》主要內容：
●為許多不同的任務準備數據
●執行一些不尋常的神經網路任務
●創建一個處理非連續函式的神經網路
●選擇和改進開發的模型
圖書目錄
前言
第1章 關於神經網路的學習
1．1 生物神經元與人工神經元
1．2 激活函式
1．3 本章小結
第2章 神經網路處理的內在機理
2．1 逼近函式
2．2 網路架構
2．3 前向傳遞計算
2．4 輸入記錄1
2．5 輸入記錄2
2．6 輸入記錄3
2．7 輸入記錄4
2．8 反向傳播過程計算
2．9 函式導數與函式發散
2．10 最常用的函式導數
2．11 本章小結
第3章 人工神經網路處理
3．1 示例1：單點函式的手動逼近
3．2 構建神經網路
3．3 前向傳遞計算
3．3．1 隱藏層
3．3．2 輸出層
3．4 反向傳遞計算
3．4．1 計算輸出層神經元的權值調整
3．4．2 計算隱藏層神經元的權值調整
3．5 更新網路偏差
3．6 回到前向傳遞
3．6．1 隱藏層
3．6．2 輸出層
3．7 網路計算的矩陣形式
3．8 深入調查
3．9 小批次與隨機梯度
3．10 本章小結
第4章 配置開發環境
4．1 在Windows計算機上安裝Java 11環境
4．2 安裝NetBeans IDE
4．3 安裝Encog Java框架
4．4 安裝XChart包
4．5 本章小結
第5章 使用Java Encog框架開發神經網路
5．1 示例2：使用Java環境進行函式逼近
5．2 網路架構
5．3 規範化輸人數據集
5．4 構建規範化兩個數據集的Java程式
5．5 構建神經網路處理程式
5．6 程式代碼
5．7 調試和執行程式
5．8 訓練方法的處理結果
5．9 測試網路
5．10 測試結果
5．11 深入調查
5．12 本章小結
第6章 訓練範圍外的神經網路預測
6．1 示例3a：逼近訓練範圍以外的周期函式
6．1．1 示例3a的網路架構
6．1．2 示例3a的程式代碼
6．1．3 測試網路
6．2 示例3b：逼近訓練範圍以外的周期函式的正確方法
6．2．1 準備訓練數據
6．2．2 示例3b的網路架構
6．2．3 示例3b的程式代碼
6．2．4 示例3b的訓練結果
6．2．5 示例3b的測試結果
6．3 本章小結
第7章 複雜周期函式的處理
7．1 示例4：複雜周期函式的逼近
7．2 數據準備
7．3 反映數據中的函式拓撲
7．4 程式代碼
7．5 訓練網路
7．6 測試網路
7．7 深入調查
7．8 本章小結
第8章 非連續函式的處理
8．1 示例5：非連續函式的逼近
8．2 程式代碼
8．3 訓練效果不理想
8．4 用微批次方法逼近非連續函式
8．5 微批次處理程式代碼
8．5．1 getChart（）方法的程式代碼
8．5．2 訓練方法的代碼片段1
8．5．3 訓練方法的代碼片段2
8．6 微批次方法的訓練結果
8．7 測試處理邏輯
8．8 微批次方法的測試結果
8．9 深入調查
8．10 本章小結
第9章 具有複雜拓撲的連續函式的處理
9．1 示例5a：使用傳統的網路過程逼近具有複雜拓撲的連續函式
9．1．1 示例5a的網路架構
9．1．2 示例5a的程式代碼
9．1．3 示例5a的訓練處理結果
9．2 用微批次方法逼近具有複雜拓撲的連續函式
9．3 示例5b：螺旋函式的逼近
9．3．1 示例5b的網路架構
9．3．2 示例5b的程式代碼
9．4 用微批次方法逼近同一函式
9．5 本章小結
……
第10章 用神經網路對對象進行分類
第11章 選擇正確模型的重要性
第12章 三維空間中的函式逼近處理
