C#神經(jīng)網(wǎng)絡(luò)編程

譯者序 

前言 

關(guān)于作者 

關(guān)于審校者 

第1章　快速預(yù)覽 1 

11　神經(jīng)網(wǎng)絡(luò)概述 2 

111　神經(jīng)網(wǎng)絡(luò)訓(xùn)練 4 

112　神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)指南 4 

12　神經(jīng)網(wǎng)絡(luò)在當(dāng)今企業(yè)中的作用 6 

13　學(xué)習(xí)的類(lèi)型 6 

131　有監(jiān)督學(xué)習(xí) 7 

132　無(wú)監(jiān)督學(xué)習(xí) 7 

133　強(qiáng)化學(xué)習(xí) 7 

14　了解感知器 7 

15　了解激活函數(shù) 10 

151　激活函數(shù)繪圖 12 

152　函數(shù)繪圖 13 

16　了解后向傳播 16 

17　小結(jié) 17 

18　參考文獻(xiàn) 17 

第2章　構(gòu)建第一個(gè)神經(jīng)網(wǎng)絡(luò) 18 

21　一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò) 18 

22　神經(jīng)網(wǎng)絡(luò)訓(xùn)練 19 

221　突觸 20 

222　神經(jīng)元 21 

223　前向傳播 21 

224　Sigmoid函數(shù) 21 

225　后向傳播 22 

226　計(jì)算誤差 23 

227　計(jì)算梯度 23 

228　更新權(quán)重 23 

229　計(jì)算值 23 

23　神經(jīng)網(wǎng)絡(luò)函數(shù) 24 

231　創(chuàng)建新網(wǎng)絡(luò) 24 

232　導(dǎo)入現(xiàn)有網(wǎng)絡(luò) 24 

233　導(dǎo)入數(shù)據(jù)集 27 

234　網(wǎng)絡(luò)運(yùn)算 27 

235　導(dǎo)出網(wǎng)絡(luò) 28 

236　訓(xùn)練網(wǎng)絡(luò) 28 

237　測(cè)試網(wǎng)絡(luò) 29 

238　計(jì)算前向傳播 29 

239　將網(wǎng)絡(luò)導(dǎo)出為JSON格式 29 

2310　導(dǎo)出數(shù)據(jù)集 30 

24　神經(jīng)網(wǎng)絡(luò) 30 

25　例子 31 

251　訓(xùn)練到最小值 31 

252　訓(xùn)練到最大值 31 

26　小結(jié) 32 

第3章　決策樹(shù)和隨機(jī)森林 33 

31　決策樹(shù) 33 

311　決策樹(shù)的優(yōu)點(diǎn) 34 

312　決策樹(shù)的缺點(diǎn) 35 

313　何時(shí)應(yīng)該使用決策樹(shù) 35 

32　隨機(jī)森林 35 

321　隨機(jī)森林的優(yōu)點(diǎn) 36 

322　隨機(jī)森林的缺點(diǎn) 36 

323　何時(shí)應(yīng)該使用隨機(jī)森林 36 

33　SharpLearning 37 

331　術(shù)語(yǔ) 37 

332　加載和保存模型 37 

34　示例代碼和應(yīng)用程序 41 

341　保存模型 41 

342　均方差回歸指標(biāo) 41 

343　F1分?jǐn)?shù) 41 

344　優(yōu)化 42 

345　示例應(yīng)用程序1 42 

346　示例應(yīng)用程序2—葡萄酒質(zhì)量 43 

35　小結(jié) 45 

36　參考文獻(xiàn) 45 

第4章　面部和運(yùn)動(dòng)檢測(cè) 46 

41　面部檢測(cè) 46 

42　運(yùn)動(dòng)檢測(cè) 54 

43　小結(jié) 59 

第5章　使用ConvNetSharp訓(xùn)練CNN 60 

51　熱身 60 

52　過(guò)濾器 64 

53　創(chuàng)建網(wǎng)絡(luò) 64 

531　第一個(gè)簡(jiǎn)單的例子 65 

532　第二個(gè)簡(jiǎn)單的例子 66 

533　第三個(gè)簡(jiǎn)單的例子 67 

534　使用Fluent API 68 

54　GPU 68 

55　使用MNIST數(shù)據(jù)集進(jìn)行流暢設(shè)計(jì)訓(xùn)練 68 

56　訓(xùn)練網(wǎng)絡(luò) 69 

561　測(cè)試數(shù)據(jù) 70 

562　預(yù)測(cè)數(shù)據(jù) 71 

563 　計(jì)算圖 71 

57　小結(jié) 73 

58　參考文獻(xiàn) 73 

第6章　使用 RNNSharp訓(xùn)練自動(dòng)編碼器 74 

61　什么是自動(dòng)編碼器 74 

62　自動(dòng)編碼器的分類(lèi) 74 

621　標(biāo)準(zhǔn)自動(dòng)編碼器 75 

622　變分自動(dòng)編碼器 76 

623　降噪自動(dòng)編碼器 76 

624　稀疏自動(dòng)編碼器 76 

63　創(chuàng)建自己的自動(dòng)編碼器 76 

64　小結(jié) 87 

65　參考文獻(xiàn) 88 

第7章　用PSO代替后向傳播 89 

71　基礎(chǔ)理論 89 

711　群體智能 90 

712　粒子群優(yōu)化算法 90 

72　用粒子群優(yōu)化算法代替后向傳播 94 

73　小結(jié) 98 

第8章　函數(shù)優(yōu)化 99 

81　入門(mén) 100 

82　函數(shù)最小化和最大化 103 

821　什么是粒子 104 

822　Swarm初始化 106 

823　圖表初始化 107 

824　狀態(tài)初始化 108 

825　控制隨機(jī)性 109 

826　更新群體位置 110 

827　更新群速度 110 

828　主程序初始化 110 

829　運(yùn)行粒子群優(yōu)化 111 

8210　用戶界面 112 

83　超參數(shù)和調(diào)參 113 

831　函數(shù) 113 

832　策略 114 

833　維度大小 115 

834　上限 115 

835　下限 116 

836　上限速度 116 

837　下限速度 117 

838　小數(shù)位 117 

839　群體大小 117 

8310　最大迭代次數(shù) 118 

8311　慣性 119 

8312　社交權(quán)重 120 

8313　認(rèn)知權(quán)重 121 

8314　慣性權(quán)重 122 

84　可視化 122 

841　二維可視化 122 

842　三維可視化 123 

85　繪制結(jié)果 128 

851　回放結(jié)果 128 

852　更新信息樹(shù) 130 

86　添加新的優(yōu)化函數(shù) 131 

861　目的 131 

862　添加新函數(shù)的步驟 131 

863　添加新函數(shù)示例 132 

87　小結(jié) 135 

第9章　尋找最佳參數(shù) 136 

91　優(yōu)化 136 

911　什么是適配函數(shù) 137 

912　約束 137 

913　元優(yōu)化 139 

92　優(yōu)化方法 141 

921　選擇優(yōu)化器 141 

922　梯度下降 141 

923　模式搜索 141 

924　局部單峰采樣 142 

925　差異進(jìn)化 142 

926　粒子群優(yōu)化 143 

927　多優(yōu)化聯(lián)絡(luò)員 143 

928　網(wǎng)格 143 

93　并行 144 

931　并行化優(yōu)化問(wèn)題 144 

932　并行優(yōu)化方法 144 

933　編寫(xiě)代碼 144 

934　執(zhí)行元優(yōu)化 146 

935　計(jì)算適配度 146 

936　測(cè)試自定義問(wèn)題 148