+-
Python神经网络编程
作者: [英]塔里克·拉希德(Tariq Rashid)
出版社: 人民邮电出版社
出品方:  异步图书
原作名: Make Your Own Neural Network
译者: 林赐
出版年: 2018-4
页数: 200
定价: 69.00元
装帧: 平装
丛书:  深度学习系列
ISBN: 9787115474810

内容简介  · · · · · ·

神经网络是一种模拟人脑的神经网络,以期能够实现类人工智能的机器学习

技术。

本书揭示神经网络背后的概念,并介绍如何通过Python实现神经网络。全书

分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使

用Python实现神经网络,识别手写数字,并测试神经网络的性能。第3章带领读

者进一步了解简单的神经网络,观察已受训练的神经网络内部,尝试进一步改善

神经网络的性能,并加深对相关知识的理解。附录分别介绍了所需的微积分知识

和树莓派知识。

本书适合想要从事神经网络研究和探索的读者学习参考,也适合对人工智

能、机器学习和深度学习等相关领域感兴趣的读者阅读。

作者简介  · · · · · ·

拥有物理学学士学位、机器学习和数据挖掘硕士学位。他常年活跃于伦敦的技术领域,领导并组织伦敦 Python 聚会小组(近3000名成员)。

目录  · · · · · ·

版权
版权声明
内容提要
译者序
序言
前言
· · · · · · ( 更多)
版权
版权声明
内容提要
译者序
序言
前言
第 1 章 神经网络如何工作 001
1.1 尺有所短,寸有所长 001
1.2 一台简单的预测 003
1.3 分类器与预测器并无太大差别 008
1.4 训练简单的分类 011
1.5 有时候一个分类器不足以求解问题 020
1.6 神经元——大自然的计算机器 024
1.7 在神经网络中追踪信号 033
1.8 凭心而论,矩阵乘法大有用途 037
1.9 使用矩阵乘法的三层神经网络示例 043
1.10 学习来自多个节点的权重 051
1.11 多个输出节点反向传播误差 053
1.12 反向传播误差到更多层中 054
1.13 使用矩阵乘法进行反向传播误差 058
1.14 我们实际上如何更新权重 061
1.15 权重更新成功范例 077
1.16 准备数据 078
第 2 章 使用Python进行DIY 083
2.1 Python 083
2.2 交互式Python = IPython 084
2.3 优雅地开始使用Python 085
2.4 使用Python制作神经网络 105
2.5 手写数字的数据集MNIST 121
第 3 章 趣味盎然 153
3.1 自己的手写数字 153
3.2 神经网络大脑内部 156
3.3 创建新的训练数据:旋转图像 160
3.4 结语 164
附录A 微积分简介 165
A.1 一条平直的线 166
A.2 一条斜线 168
A.3 一条曲线 170
A.4 手绘微积分 172
A.5 非手绘微积分 174
A.6 无需绘制图表的微积分 177
A.7 模式 180
A.8 函数的函数 182
附录B 使用树莓派来工作 186
B.1 安装IPython 187
B.2 确保各项工作正常进行 193
B.3 训练和测试神经网络 194
B.4 树莓派成功了 195
· · · · · · ( 收起)

"Python神经网络编程"试读  · · · · · ·

内容提要 译者序 序言 前言
· · · · · · ( 查看全部试读)

丛书信息

   深度学习系列 (共10册), 这套丛书还有 《深度学习实践指南 基于R语言》,《Python深度学习》,《深度学习实战手册 R语言版》,《深度学习与TensorFlow实战》,《Keras深度学习实战》 等。

> 更多短评 207 条