《Python神經(jīng)網(wǎng)絡(luò)編程》首先從簡單的思路著手，詳細(xì)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。

第一部分介紹基本的思路，包括神經(jīng)網(wǎng)絡(luò)底層的數(shù)學(xué)知識.

第2部分是實踐，介紹了學(xué)習(xí)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。

本書適合想要從事神經(jīng)網(wǎng)絡(luò)研究和探索的讀者學(xué)習(xí)參考，也適合對人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)等相關(guān)領(lǐng)域感興趣的讀者閱讀。

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(yù)測 003

1.3　分類器與預(yù)測器并無太大差別 008

1.4　訓(xùn)練簡單的分類 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(xué)習(xí)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(jìn)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(zhǔn)備數(shù)據(jù) 078

第 2 章　使用Python進(jìn)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(xùn)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(jìn)行 193

B.3　訓(xùn)練和測試神經(jīng)網(wǎng)絡(luò) 194

B.4　樹莓派成功了 195

內(nèi)容截圖

上述所有高清圖片已打包整理好，獲取方式：公眾呺?先到先得