译者序前言关于作者关于审校者章************快速预览 11.1************神经网络概述 21.1.1************神经网络训练 41.1.2************神经网络的结构指南 41.2************神经网络在当今企业中的作用 61.3************学习的类型 61.3.1************有监督学习 71.3.2************无监督学习 71.3.3************强化学习 71.4************了解感知器 71.5************了解激活函数 101.5.1************激活函数绘图 121.5.2************函数绘图 131.6************了解后向传播 161.7************小结 171.8************参考文献 17第2章************构建个神经网络 182.1************一个简*的神经网络 182.2************神经网络训练 192.2.1************突触 202.2.2************神经元 212.2.3************前向传播 212.2.4************Sigmoid函数 212.2.5************后向传播 222.2.6************计算误差 232.2.7************计算梯度 232.2.8************更新权重 232.2.9************计算值 232.3************神经网络函数 242.3.1************创建新网络 242.3.2************导入现有网络 242.3.3************导入数据集 272.3.4************网络运算 272.3.5************导出网络 282.3.6************训练网络 282.3.7************测试网络 292.3.8************计算前向传播 292.3.9************将网络导出为JSON格式 292.3.10************导出数据集 302.4************神经网络 302.5************例子 312.5.1************训练到**值 312.5.2************训练到优*值 312.6************小结 32第3章************决策树和随机森林 333.1************决策树 333.1.1************决策树的优点 343.1.2************决策树的缺点 353.1.3************何时应该使用决策树 353.2************随机森林 353.2.1************随机森林的优点 363.2.2************随机森林的缺点 363.2.3************何时应该使用随机森林 363.3************SharpLearning 373.3.1************术语 373.3.2************加载和保存模型 373.4************示例代码和应用程序 413.4.1************保存模型 413.4.2************均方差回归指标 413.4.3************F1分数 413.4.4************优化 423.4.5************示例应用程序1 423.4.6************示例应用程序2—葡萄酒质量 433.5************小结 453.6************参考文献 45第4章************面部和运动检测 464.1************面部检测 464.2************运动检测 544.3************小结 59第5章************使用ConvNetSharp训练CNN 605.1************热身 605.2************过滤器 645.3************创建网络 645.3.1************个简*的例子 655.3.2************第二个简*的例子 665.3.3************第三个简*的例子 675.3.4************使用Fluent API 685.4************GPU 685.5************使用MNIST数据集进行流畅设计训练 685.6************训练网络 695.6.1************测试数据 705.6.2************预测数据 715.6.3 ************计算图 715.7************小结 735.8************参考文献 73第6章************使用 RNNSharp训练自动编码器 746.1************什么是自动编码器 746.2************自动编码器的分类 746.2.1************标准自动编码器 756.2.2************变分自动编码器 766.2.3************降噪自动编码器 766.2.4************稀疏自动编码器 766.3************创建自己的自动编码器 766.4************小结 876.5************参考文献 88第7章************用PSO代替后向传播 897.1************基础理论 897.1.1************群体智能 907.1.2************粒子群优化算法 907.2************用粒子群优化算法代替后向传播 947.3************小结 98第8章************函数优化 998.1************入门 1008.2************函数**化和优*化 1038.2.1************什么是粒子 1048.2.2************Swarm初始化 1068.2.3************图表初始化 1078.2.4************状态初始化 1088.2.5************控制随机* 1098.2.6************更新群体位置 1108.2.7************更新群速度 1108.2.8************主程序初始化 1108.2.9************运行粒子群优化 1118.2.10************用户界面 1128.3************超参数和调参 1138.3.1************函数 1138.3.2************策略 1148.3.3************维度大小 1158.3.4************上限 1158.3.5************下限 1168.3.6************上限速度 1168.3.7************下限速度 1178.3.8************小数位 1178.3.9************群体大小 1178.3.10************优*迭代次数 1188.3.11************惯* 1198.3.12************社交权重 1208.3.13************认知权重 1218.3.14************惯*权重 1228.4************可视化 1228.4.1************二维可视化 1228.4.2************三维可视化 1238.5************绘制结果 1288.5.1************回放结果 1288.5.2************更新信息树 1308.6************添加新的优化函数 1318.6.1************目的 1318.6.2************添加新函数的步骤 1318.6.3************添加新函数示例 1328.7************小结 135第9章************寻找**参数 1369.1************优化 1369.1.1************什么是适配函数 1379.1.2************约束 1379.1.3************元优化 1399.2************优化方法 1419.2.1*************择优化器 1419.2.2************梯度下降 1419.2.3************模式搜索 1419.2.4************局部*峰采样 1429.2.5************差异进化 1429.2.6************粒子群优化 1439.2.7************多优化联络员 1439.2.8************网格 1439.3************并行 1449.3.1************并行化优化问题 1449.3.2************并行优化方法 1449.3.3************编写代码 1449.3.4************执行元优化 1469.3.5************计算适配度 1469.3.6************测试自定义问题 1489
