神经网络算法与实现——基于Java语言

目 录 版权信息 版权声明 内容提要 作者简介 译者简介 审稿人简介 前言 第1章 初识神经网络 1.1 探索神经网络 1.2 为什么要用人工神经网络 1.3 神经网络的构造 1.3.1 基础元素——人工神经元 1.3.2 赋予神经元生命——激活函数 1.3.3 基础值——权值 1.3.4 重要参数——偏置 1.3.5 神经网络组件——层 1.4 神经网络结构 1.4.1 单层神经网络 1.4.2 多层神经网络 1.4.3 前馈神经网络 1.4.4 反馈神经网络 1.5 从无知到有识——学习过程 1.6 实践神经网络 1.7 小结 第2章 神经网络是如何学习的 2.1 神经网络的学习能力 神经网络如何有助于解决问题 2.2 学习范式 2.2.1 监督学习 2.2.2 无监督学习 2.3 系统结构——学习算法 2.3.1 学习的两个阶段——训练和测试 2.3.2 细节——学习参数 2.3.3 误差度量和代价函数 2.4 学习算法示例 2.4.1 感知机 2.4.2 Delta规则 2.5 神经网络学习过程的编码 2.5.1 参数学习实现 2.5.2 学习过程 2.5.3 类定义 2.6 两个实例 2.6.1 感知机（报警系统） 2.6.2 ADALINE（交通预测） 2.7 小结 第3章 运用感知机 3.1 学习感知机神经网络 3.1.1 感知机的应用和局限性 3.1.2 线性分离 3.1.3 经典XOR（异或）例子 3.2 流行的多层感知机（MLP） 3.2.1 MLP属性 3.2.2 MLP权值 3.2.3 递归MLP 3.2.4 MLP在OOP范式中的结构 3.3 有趣的MLP应用 3.3.1 使用MLP进行分类 3.3.2 用MLP进行回归 3.4 MLP的学习过程 3.4.1 简单但很强大的学习算法——反向传播 3.4.2 复杂而有效的学习算法——Levenberg Marquardt 3.5 MLP实现 3.5.1 实战反向传播算法 3.5.2 探索代码 3.6 Levenberg–Marquardt实现 3.7 实际应用——新生入学 3.8 小结 第4章 自组织映射 4.1 神经网络无监督学习方式 4.2 无监督学习算法介绍 竞争学习或者赢家通吃 4.3 Kohonen自组织映射 4.3.1 一维SOM 4.3.2 二维SOM 4.3.3 逐步实现自组织映射网络学习 4.3.4 如何使用SOM 4.4 Kohonen算法编程 4.4.1 探索Kohonen类 4.4.2 Kohonen实现（动物聚类） 4.5 小结 第5章 天气预测 5.1 针对预测问题的神经网络 5.2 无数据，无神经网络——选择数据 5.2.1 了解问题——天气变量 ......