神经网络
正版新书 新华官方库房直发 可开电子发票
￥ 39.53 6.7折 ￥ 59 全新
库存2件
作者(美)朱塞佩·查博罗(Giuseppe Ciaburro),(美)巴拉伊·温卡特斯瓦兰(Balaji Venkateswaran) 著;李洪成 译
出版社机械工业出版社
ISBN9787111603849
出版时间2018-07
版次1
装帧平装
开本16开
纸张胶版纸
页数218页
定价59元
货号SC:9787111603849
上书时间2024-05-07
- 在售商品 暂无
- 平均发货时间 12小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
朱塞佩·查博罗（Giuseppe Ciaburro），拥有Universita degli Studi di Napoli Federico Ⅱ的化学工程硕士学位，Seconda Universita degli Studi di Napoli的声学和噪声控制硕士学位。目前工作于Universita degli Studi della Campania“Luigi Vanvitelli”的建筑环境控制实验室。他有超过15年的Python和R语言编程经验，以及丰富的MATLAB使用经验，涉足氧化领域、声学和噪声控制领域。作为一名声学和噪声控制方面的专家，Giuseppe有约15年的专业计算机课程授课经验，也制作了很多在线教学视频。同时，在专著、科学期刊论文和专题会议报告上都有贡献。他目前正在研究机器学习在声学和噪声控制中的应用。
精彩内容:
Preface前 言神经网络是能有效解决复杂计算问题的最有吸引力的机器学习模型之一，用于解决人工智能（Artificial Intelligence，AI）和机器学习不同领域的各种问题。 本书解释了神经网络的优点，提供了高级主题相关的基础知识。本书从使用neuralnet包设计神经网络作为开始。然后介绍神经网络如何从数据中学习，以及背后的原理。本书涵盖了各种类型的神经网络，包括循环神经网络和卷积神经网络。通过本书，读者不仅可以学习如何训练神经网络，还可以探索这些神经网络的泛化。最后深入研究不同的神经网络模型，并与现实世界的用例相结合。 在本书的最后，读者将在实际案例的帮助下，学会在自己的应用程序中实现神经网络模型。 本书内容第1章介绍人工神经网络（Artificial Neural Network，ANN）和人工智能的基本概念与理论，展示ANN和AI的简单应用程序与数学概念。还对R中的ANN函数进行介绍。 第2章介绍如何在图形模型中进行准确推断，并展示作为专家系统的应用程序。推断算法是学习和使用这类模型的基础。读者至少需要了解它们的用处及工作原理。 第3章阐述深度学习和深度学习中神经网络的使用。该章使用R的添加包介绍神经网络实现过程的细节，涵盖许多为深度学习设置的隐藏层，并使用实用的数据集来帮助读者理解实现过程。 第4章介绍感知机以及使用它构建的应用程序，以及基于R的感知机实现。 第
...
内容简介:
本书从神经网络的基本概念出发，详细介绍了神经网络的学习过程、前向神经网络、后向反馈神经网络、循环和卷积神经网络、多层神经网络，感知神经网络、深度神经网络。在介绍神经网络基本知识的同时，应用当前为广泛使用的数据分析软件R，演示了相关的神经网络概念和模型的应用。同时，本书也介绍了当前流行的神经网络模型的实现软件包，例如TensorFlow、Keras等，并介绍了如何把它们集成到R的应用中。
目录:
译者序
关于作者
关于审稿人
前言
第1章神经网络和人工智能概念1
1.1简介2
1.2神经网络的灵感3
1.3神经网络的工作原理4
1.4分层方法5
1.5权重和偏差6
1.6训练神经网络7
1.6.1有监督学习7
1.6.2无监督学习7
1.7epoch7
1.8激活函数8
1.9不同的激活函数8
1.9.1线性函数8
1.9.2单位阶跃激活函数9
1.9.3sigmoid函数10
1.9.4双曲正切函数11
1.9.5线性修正单元函数11
1.10使用哪些激活函数12
1.11感知机和多层架构13
1.12前向和反向传播13
1.13逐步说明神经网络和激活函数14
1.14前馈和反馈网络16
1.15梯度下降17
1.16神经网络分类法17
1.17使用R语言神经网络添加包neuralnet()的简单示例19
1.18使用添加包nnet()进行实现24
1.19深度学习29
1.20神经网络的优缺点29
1.21神经网络实现的很好实践30
1.22有关GPU处理的简要说明30
1.23小结31
第2章神经网络中的学习过程32
2.1机器学习33
2.1.1有监督学习34
2.1.2无监督学习35
2.1.3强化学习36
2.2训练和测试模型37
2.3数据循环38
2.4评估指标39
2.5学习神经网络42
2.6反向传播43
2.7神经网络学习算法的优化45
2.8神经网络中的有监督学习46
2.
...
— 没有更多了 —
以下为对购买帮助不大的评价