书 名:c#神经网络编程

定价: 89元

作 者:美 马特·R.科尔 Matt R.Cole

出 版 社:机械工业出版社

ISBN 号:9787111629382

是否是套装: 否

译者序
前言
关于作者
关于审校者
[0第0]1章 快速预览 1
1.1 神[纟巠]网络概述 2
1.1.1 神[纟巠]网络训练 4
1.1.2 神[纟巠]网络的结构指南 4
1.2 神[纟巠]网络在[0当0]今企业中的作用 6
1.3 [0学0]习的类型 6
1.3.1 有监督[0学0]习 7
1.3.2 无监督[0学0]习 7
1.3.3 强化[0学0]习 7
1.4 了解感[0知0]器 7
1.5 了解激活函数 10
1.5.1 激活函数绘图 12
1.5.2 函数绘图 13
1.6 了解后向传播 16
1.7 小结 17
1.8 参考文献 17
[0第0]2章 构建[0第0]一个神[纟巠]网络 18
2.1 一个简单的神[纟巠]网络 18
2.2 神[纟巠]网络训练 19
2.2.1 突触 20
2.2.2 神[纟巠]元 21
2.2.3 前向传播 21
2.2.4 Sigmoid函数 21
2.2.5 后向传播 22
2.2.6 计算误差 23
2.2.7 计算梯度 23
2.2.8 更[亲斤][0权0]重 23
2.2.9 计算值 23
2.3 神[纟巠]网络函数 24
2.3.1 创建[亲斤]网络 24
2.3.2 导入现有网络 24
2.3.3 导入数据集 27
2.3.4 网络运算 27
2.3.5 导出网络 28
2.3.6 训练网络 28
2.3.7 测试网络 29
2.3.8 计算前向传播 29
2.3.9 将网络导出为JSON格式 29
2.3.10 导出数据集 30
2.4 神[纟巠]网络 30
2.5 例子 31
2.5.1 训练到[z1u1i]小值 31
2.5.2 训练到[z1u1i][0大0]值 31
2.6 小结 32
[0第0]3章 决策树和随[1机1]森林 33
3.1 决策树 33
3.1.1 决策树的[0优0]点 34
3.1.2 决策树的缺点 35
3.1.3 何时应该使用决策树 35
3.2 随[1机1]森林 35
3.2.1 随[1机1]森林的[0优0]点 36
3.2.2 随[1机1]森林的缺点 36
3.2.3 何时应该使用随[1机1]森林 36
3.3 SharpLearning 37
3.3.1 术语 37
3.3.2 加载和保存模型 37
3.4 示例代码和应用程序 41
3.4.1 保存模型 41
3.4.2 均方差回归指标 41
3.4.3 F1分数 41
3.4.4 [0优0]化 42
3.4.5 示例应用程序1 42
3.4.6 示例应用程序2—葡萄酒质量 43
3.5 小结 45
3.6 参考文献 45
[0第0]4章 [mian]部和运动检测 46
4.1 [mian]部检测 46
4.2 运动检测 54
4.3 小结 59
[0第0]5章 使用ConvNetSharp训练CNN 60
5.1 热身 60
5.2 过滤器 64
5.3 创建网络 64
5.3.1 [0第0]一个简单的例子 65
5.3.2 [0第0]二个简单的例子 66
5.3.3 [0第0]三个简单的例子 67
5.3.4 使用Fluent API 68
5.4 GPU 68
5.5 使用MNIST数据集进行流[0畅0]设计训练 68
5.6 训练网络 69

.......................