Java人工神经网络构建

图书标准信息

• 作者 [美]伊戈尔·利夫申（Igor Livshin）
• 出版社 机械工业出版社
• 出版时间 2021-02
• 版次 1
• ISBN 9787111673972
• 定价 119.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 388页
• 字数 160千字

【内容简介】

本书涵盖了开发神经网络应用程序的许多方面。从头开始解释神经网络是如何工作的，然后以训练一个小神经网络为例，手动进行所有的计算。本书涵盖了前向和后向传播的内部内容，有助于理解神经网络处理的主要原理。它使你很快熟悉了前向和后向传播技术的所有基本原理。这本书还教你如何准备用于神经网络开发的数据，并为许多非传统的神经网络处理任务提出各种数据准备方法。

【作者简介】

【目录】

前言

第1章　关于神经网络的学习1

1.1　生物神经元与人工神经元1

1.2　激活函数2

1.3　本章小结4

第2章　神经网络处理的内在机理5

2.1　逼近函数5

2.2　网络架构6

2.3　前向传递计算7

2.4　输入记录18

2.5　输入记录28

2.6　输入记录39

2.7　输入记录49

2.8　反向传播过程计算10

2.9　函数导数与函数发散11

2.10　最常用的函数导数12

2.11　本章小结13

第3章　人工神经网络处理14

3.1　示例1：单点函数的手动逼近14

3.2　构建神经网络15

3.3　前向传递计算16

3.3.1　隐藏层16

3.3.2　输出层17

3.4　反向传递计算18

3.4.1　计算输出层神经元的权值调整18

3.4.2　计算隐藏层神经元的权值调整20

3.5　更新网络偏差24

3.6　回到前向传递25

3.6.1　隐藏层25

3.6.2　输出层26

3.7　网络计算的矩阵形式28

3.8　深入调查28

3.9　小批次与随机梯度30

3.10　本章小结30

第4章　配置开发环境31

4.1　在Windows计算机上安装

　Java 11环境31

4.2　安装NetBeans IDE33

4.3　安装Encog Java框架34

4.4　安装XChart包34

4.5　本章小结35

第5章　使用Java Encog框架开发神经网络36

5.1　示例2：使用Java环境进行函数逼近36

5.2　网络架构37

5.3　规范化输入数据集38

5.4　构建规范化两个数据集的Java程序38

5.5　构建神经网络处理程序45

5.6　程序代码50

5.7　调试和执行程序66

5.8　训练方法的处理结果66

5.9　测试网络67

5.10　测试结果70

5.11　深入调查71

5.12　本章小结72

第6章　训练范围外的神经网络预测73

6.1　示例3a：逼近训练范围以外的周期函数73

6.1.1　示例3a的网络架构76

6.1.2　示例3a的程序代码76

6.1.3　测试网络89

6.2　示例3b：逼近训练范围以外的周期函数的正确方法90

6.2.1　准备训练数据90

6.2.2　示例3b的网络架构92

6.2.3　示例3b的程序代码93

6.2.4　示例3b的训练结果109

6.2.5　示例3b的测试结果110

6.3　本章小结110

第7章　复杂周期函数的处理112

7.1　示例4：复杂周期函数的逼近112

7.2　数据准备114

7.3　反映数据中的函数拓扑115

7.4　程序代码120

7.5　训练网络137

7.6　测试网络138

7.7　深入调查140

7.8　本章小结141

第8章　非连续函数的处理142

8.1　示例5：非连续函数的逼近142

8.2　程序代码145

8.3　训练效果不理想157

8.4　用微批次方法逼近非连续函数159

8.5　微批次处理程序代码160

8.5.1　getChart()方法的程序代码176

8.5.2　训练方法的代码片段1179

8.5.3　训练方法的代码片段2180

8.6　微批次方法的训练结果184

8.7　测试处理逻辑188

8.8　微批次方法的测试结果191

8.9　深入调查192

8.10　本章小结196

第9章　具有复杂拓扑的连续函数的处理197

9.1　示例5a：使用传统的网络过程逼近具有复杂拓扑的连续函数197

9.1.1　示例5a的网络架构198

9.1.2　示例5a的程序代码199

9.1.3　示例5a的训练处理结果208

9.2　用微批次方法逼近具有复杂拓扑的连续函数211

9.3　示例5b：螺旋函数的逼近232

9.3.1　示例5b的网络架构234

9.3.2　示例5b的程序代码235

9.4　用微批次方法逼近同一函数246

9.5　本章小结267

第10章　用神经网络对对象进行分类268

10.1　示例6：记录分类268

10.2　训练数据集269

10.3　网络架构271

10.4　测试数据集272

10.5　数据规范化程序代码273

10.6　分类程序代码277

10.7　训练结果297

10.8　测试结果304

10.9　本章小结305

第11章　选择正确模型的重要性306

11.1　示例7：预测下个月的股市价格306

11.2　在数据集中包含函数拓扑311

11.3　生成微批次文件312

11.4　网络架构316

11.5　程序代码317

11.6　训练过程341

11.7　训练结果342

11.8　测试数据集347

11.9　测试逻辑351

11.10　测试结果358

11.11　分析测试结果360

11.12　本章小结361

第12章　三维空间中的函数逼近处理362

12.1　示例8：三维空间中函数的逼近362

12.1.1　数据准备363

12.1.2　网络架构364

12.2　程序代码365

12.3　本章小结380