返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 神经网络
  • 新华书店正版
    • 作者: (美)朱塞佩?查博罗//巴拉伊?温卡特斯瓦兰著 | | 李洪成译
    • 出版社: 机械工业出版社
    • 出版时间:2018-07-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (美)朱塞佩?查博罗//巴拉伊?温卡特斯瓦兰著| 李洪成译
    • 出版社:机械工业出版社
    • 出版时间:2018-07-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2018-07-01
    • 字数:118
    • 页数:218
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    神经网络

    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
    定  价:59
    出 版 社:机械工业出版社
    出版日期:2018年07月01日
    页  数:218
    装  帧:平装
    ISBN:9787111603849
    主编推荐

    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。

    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null

    精彩内容

    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
    2.8.1波士顿数据集46
    2.8.2对波士顿数据集进行神经网络回归48
    2.9神经网络中的无监督学习54
    2.9.1竞争学习55
    2.9.2KohonenSOM57
    2.10小结63
    第3章使用多层神经网络进行深度学习64
    3.1DNN简介65
    3.2用于DNN的R语言67
    3.3通过neuralnet建立多层神经网络69
    3.4使用H2O对DNN进行训练和建模78
    3.5使用H2O建立深度自动编码器90
    3.6小结91
    第4章感知神经网络建模——基本模型93
    4.1感知机及其应用93
    4.2简单感知机——一个线性可分离分类器96
    4.3线性分离98
    4.4R中的感知机函数101
    4.5多层感知机107
    4.6使用RSNNS在R中实现MLP108
    4.7小结117
    第5章在R中训练和可视化神经网络119
    5.1使用神经网络进行数据拟合120
    5.1.1探索性分析124
    5.1.2神经网络模型126
    5.2使用神经网络对乳腺癌进行分类135
    5.2.1探索性分析138
    5.2.2神经网络模型143
    5.2.3网络训练阶段146
    5.2.4测试神经网络149
    5.3神经网络训练中的早期停止152
    5.4避免模型中的过拟合152
    5.5神经网络的泛化154
    5.6神经网络模型中数据的缩放154
    5.7集成神经网络来预测155
    5.8小结156
    第6章循环和卷积神经网络157
    6.1循环神经网络158
    6.2R中的添加包rnn162
    6.3LSTM模型170
    6.4卷积神经网络172
    6.5常见的CNN架构——LeNet175
    6.6使用RNN进行湿度预测176
    6.7小结183
    第7章神经网络案例——高级主题185
    7.1TensorFlow与R的集成186
    7.2Keras与R的集成189
    7.3在R中使用MNISTHWR190
    7.4使用数据集iris建立LSTM199
    7.5使用自动编码器203
    7.6使用H2O进行主成分分析204
    7.7使用H2O建立自动编码器207
    7.8使用添加包darch检测乳腺癌211
    7.9小结217

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购