编辑推荐

人工智能深度学习机器学习领域又一重磅力作，自己动手用Python编写神经网络。

内容简介

本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。

作者简介

作者塔里克·拉希德，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）。

章节目录

版权信息

内容提要

译者序

序言

探索智能机器

人工智能的新黄金时代

前言

本书的目标读者

我们将会做些什么

我们将如何做到这点

反馈

第1章 神经网络如何工作

1.1 尺有所短，寸有所长

1.2 一台简单的预测机

1.3 分类器与预测器并无太大差别

1.4 训练简单的分类器

1.5 有时候一个分类器不足以求解问题

1.6 神经元——大自然的计算机器

1.7 在神经网络中追踪信号

1.8 凭心而论，矩阵乘法大有用途

1.9 使用矩阵乘法的三层神经网络示例

1.10 学习来自多个节点的权重

1.11 多个输出节点反向传播误差

1.12 反向传播误差到更多层中

1.13 使用矩阵乘法进行反向传播误差

1.14 我们实际上如何更新权重

1.15 权重更新成功范例

1.16 准备数据

1.16.1 输入

1.16.2 输出

1.16.3 随机初始权重

第2章 使用Python进行DIY

2.1 Python

2.2 交互式Python = IPython

2.3 优雅地开始使用Python

2.3.1 Notebook

2.3.2 简单的Python

2.3.3 自动化工作

2.3.4 注释

2.3.5 函数

2.3.6 数组

2.3.7 绘制数组

2.3.8 对象

2.4 使用Python制作神经网络

2.4.1 框架代码

2.4.2 初始化网络

2.4.3 权重——网络的核心

2.4.4 可选项：较复杂的权重

2.4.5 查询网络

2.4.6 迄今为止的代码

2.4.7 训练网络

2.4.8 完整的神经网络代码

2.5 手写数字的数据集MNIST

2.5.1 准备MNIST训练数据

2.5.2 测试网络

2.5.3 使用完整数据集进行训练和测试

2.5.4 一些改进：调整学习率

2.5.5 一些改进：多次运行

2.5.6 改变网络形状

2.5.7 大功告成

2.5.8 最终代码

第3章 趣味盎然

3.1 自己的手写数字

3.2 神经网络大脑内部

3.2.1 神秘的黑盒子

3.2.2 向后查询

3.2.3 标签“0”

3.2.4 更多的大脑扫描

3.3 创建新的训练数据：旋转图像

3.4 结语

附录A 微积分简介

A.1 一条平直的线

A.2 一条斜线

A.3 一条曲线

A.4 手绘微积分

A.5 非手绘微积分

A.6 无需绘制图表的微积分

A.7 模式

A.8 函数的函数

附录B 使用树莓派来工作

B.1 安装IPython

B.2 确保各项工作正常进行

B.3 训练和测试神经网络

B.4 树莓派成功了

Python神经网络编程是2018年由人民邮电出版社出版,作者[英]塔里克·拉希德(TariqRashid)。

得书感谢您对《Python神经网络编程》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。