掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
深度學習
-
>
Unreal Engine 4藍圖完全學習教程
-
>
深入理解計算機系統(tǒng)-原書第3版
-
>
Word/Excel PPT 2013辦公應(yīng)用從入門到精通-(附贈1DVD.含語音視頻教學+辦公模板+PDF電子書)
Python神經(jīng)網(wǎng)絡(luò)編程 版權(quán)信息
- ISBN：9787115474810
- 條形碼：9787115474810 ; 978-7-115-47481-0
- 裝幀：簡裝本
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
Python神經(jīng)網(wǎng)絡(luò)編程 本書特色
本書首先從簡單的思路著手，詳細介紹了理解神經(jīng)網(wǎng)絡(luò)如何工作所必須的基礎(chǔ)知識。*部分介紹基本的思路，包括神經(jīng)網(wǎng)絡(luò)底層的數(shù)學知識，第2部分是實踐，介紹了學習Python編程的流行和輕松的方法，從而逐漸使用該語言構(gòu)建神經(jīng)網(wǎng)絡(luò)，以能夠識別人類手寫的字母，特別是讓其像專家所開發(fā)的網(wǎng)絡(luò)那樣地工作。第3部分是擴展，介紹如何將神經(jīng)網(wǎng)絡(luò)的性能提升到工業(yè)應(yīng)用的層級，甚至讓其在Raspberry Pi上工作。
Python神經(jīng)網(wǎng)絡(luò)編程 內(nèi)容簡介
本書首先從簡單的思路著手, 詳細介紹了理解神經(jīng)網(wǎng)絡(luò)如何工作所必須的基礎(chǔ)知識。第1部分介紹基本的思路, 包括神經(jīng)網(wǎng)絡(luò)底層的數(shù)學知識, 第2部分是實踐, 介紹了學習Python編程的流行和輕松的方法, 從而逐漸使用該語言構(gòu)建神經(jīng)網(wǎng)絡(luò), 以能夠識別人類手寫的字母, 特別是讓其像專家所開發(fā)的網(wǎng)絡(luò)那樣地工作。第3部分是擴展, 介紹如何將神經(jīng)網(wǎng)絡(luò)的性能提升到工業(yè)應(yīng)用的層級, 甚至讓其在Raspberry Pi上工作。
Python神經(jīng)網(wǎng)絡(luò)編程 目錄
第 1 章 神經(jīng)網(wǎng)絡(luò)如何工作001
1.1 尺有所短，寸有所長 001
1.2 一臺簡單的預測機 003
1.3 分類器與預測器并無太大差別008
1.4 訓練簡單的分類器 011
1.5 有時候一個分類器不足以求解問題 020
1.6 神經(jīng)元——大自然的計算機器 024
1.7 在神經(jīng)網(wǎng)絡(luò)中追蹤信號 033
1.8 憑心而論，矩陣乘法大有用途 037
1.9 使用矩陣乘法的三層神經(jīng)網(wǎng)絡(luò)示例 043
1.10 學習來自多個節(jié)點的權(quán)重 051
1.11 多個輸出節(jié)點反向傳播誤差053
1.12 反向傳播誤差到更多層中 054
1.13 使用矩陣乘法進行反向傳播誤差 058
1.14 我們實際上如何更新權(quán)重 061
1.15 權(quán)重更新成功范例 077
1.16 準備數(shù)據(jù) 078
第 2 章 使用Python進行DIY 083
2.1 Python 083
2.2 交互式Python = IPython 084
2.3 優(yōu)雅地開始使用Python 085
2.4 使用Python制作神經(jīng)網(wǎng)絡(luò) 105
2.5 手寫數(shù)字的數(shù)據(jù)集MNIST 121
第 3 章 趣味盎然 153
3.1 自己的手寫數(shù)字 153
3.2 神經(jīng)網(wǎng)絡(luò)大腦內(nèi)部 156
3.3 創(chuàng)建新的訓練數(shù)據(jù)：旋轉(zhuǎn)圖像 160
3.4 結(jié)語 164
附錄A 微積分簡介 165
A.1 一條平直的線 166
A.2 一條斜線 168
A.3 一條曲線 170
A.4 手繪微積分 172
A.5 非手繪微積分 174
A.6 無需繪制圖表的微積分 177
A.7 模式 180
A.8 函數(shù)的函數(shù) 182
附錄B 使用樹莓派來工作 186
B.1 安裝IPython 187
B.2 確保各項工作正常進行 193
B.3 訓練和測試神經(jīng)網(wǎng)絡(luò) 194
B.4 樹莓派成功了 195
1.1 尺有所短，寸有所長 001
1.2 一臺簡單的預測機 003
1.3 分類器與預測器并無太大差別008
1.4 訓練簡單的分類器 011
1.5 有時候一個分類器不足以求解問題 020
1.6 神經(jīng)元——大自然的計算機器 024
1.7 在神經(jīng)網(wǎng)絡(luò)中追蹤信號 033
1.8 憑心而論，矩陣乘法大有用途 037
1.9 使用矩陣乘法的三層神經(jīng)網(wǎng)絡(luò)示例 043
1.10 學習來自多個節(jié)點的權(quán)重 051
1.11 多個輸出節(jié)點反向傳播誤差053
1.12 反向傳播誤差到更多層中 054
1.13 使用矩陣乘法進行反向傳播誤差 058
1.14 我們實際上如何更新權(quán)重 061
1.15 權(quán)重更新成功范例 077
1.16 準備數(shù)據(jù) 078
第 2 章 使用Python進行DIY 083
2.1 Python 083
2.2 交互式Python = IPython 084
2.3 優(yōu)雅地開始使用Python 085
2.4 使用Python制作神經(jīng)網(wǎng)絡(luò) 105
2.5 手寫數(shù)字的數(shù)據(jù)集MNIST 121
第 3 章 趣味盎然 153
3.1 自己的手寫數(shù)字 153
3.2 神經(jīng)網(wǎng)絡(luò)大腦內(nèi)部 156
3.3 創(chuàng)建新的訓練數(shù)據(jù)：旋轉(zhuǎn)圖像 160
3.4 結(jié)語 164
附錄A 微積分簡介 165
A.1 一條平直的線 166
A.2 一條斜線 168
A.3 一條曲線 170
A.4 手繪微積分 172
A.5 非手繪微積分 174
A.6 無需繪制圖表的微積分 177
A.7 模式 180
A.8 函數(shù)的函數(shù) 182
附錄B 使用樹莓派來工作 186
B.1 安裝IPython 187
B.2 確保各項工作正常進行 193
B.3 訓練和測試神經(jīng)網(wǎng)絡(luò) 194
B.4 樹莓派成功了 195
展開全部
Python神經(jīng)網(wǎng)絡(luò)編程 作者簡介
作者簡介
塔里克·拉希德 擁有物理學學士學位、機器學習和數(shù)據(jù)挖掘碩士學位。他常年活躍于倫敦的技術(shù)領(lǐng)域，領(lǐng)導并組織倫敦Python聚會小組（近3000名成員）。
譯者簡介
林賜 軟件設(shè)計師、網(wǎng)絡(luò)工程師，畢業(yè)于渥太華大學系統(tǒng)科學碩士專業(yè)，已翻譯出版多本技術(shù)圖書。
書友推薦
- >
我與地壇
- >
史學評論
- >
月亮與六便士
- >
羅曼·羅蘭讀書隨筆-精裝
- >
【精裝繪本】畫給孩子的中國神話
- >
我從未如此眷戀人間
- >
山海經(jīng)
- >
中國歷史的瞬間
本類暢銷
