登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 地理计算与R语言 》 售價：NT$ 551.0 《 沈括的知识世界：一种闻见主义的实践（中华学术译丛） 》 售價：NT$ 398.0 《 大思维：哥伦比亚商学院六步创新思维模型 》 售價：NT$ 332.0 《 宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】 》 售價：NT$ 709.0 《 UE5虚幻引擎必修课（视频教学版） 》 售價：NT$ 505.0 《 真需求 》 售價：NT$ 505.0 《 阿勒泰的春天 》 售價：NT$ 230.0 《 如见你 》 售價：NT$ 234.0

建議一齊購買： + NT$ 425 《 C#多线程编程实战（原书第2版） 》 + NT$ 1254 《 C# 7.0本质论 》 + NT$ 624 《 Effective C#：改善C#代码的50个有效方法（原书第3版） 》 + NT$ 561 《 程序员进阶心法：快速突破成长瓶颈 》 + NT$ 466 《 GraphQL实战 写给全栈工程师们 》 + NT$ 743 《 网站蓝图3.0——互联网产品（Web/APP/Apple Watch等）Axure 7原型设计宝典 》 編輯推薦： 在过去几年里，神经网络华丽回归，并为人工智能领域带来了重大的创新。 本书旨在为C#程序员使用神经网络、CNTK等C#库和TensorFlowSharp解决复杂的计算问题时，提供实践指导。本书逐步讲解编程实践，涵盖从数学到理论等神经网络的各个方面，帮助你运用C#和.NET框架构建深度神经网络。 本书从神经网络入门知识开始，详细介绍如何使用Encog、Aforge和Accord搭建一个神经网络，帮助你深入理解神经网络相关概念和技术，例如深度网络、感知器、优化算法、卷积网络和自动解码器。此外，还详细讲解如何向.NET应用程序中添加智能特性，例如面部和运动检测、对象检测和标注、语言理解、知识和智能搜索。 通过阅读本书，你将学到： ·理解感知器以及如何运用C#来实现。 ·使用认知服务训练并可视化神经网络。 ·运用C#和TensorFlowSharp对物体进行图像识别和标注。 ·使用Accord.Net检测面部等特定图像特征。 ·针对简单异或问题和Encog演示粒子群优化。 ·使用ConvNetSharp训练卷积神经网络。 ·运用数字和启发式优化技术为神经网络函数寻找*优参数。 內容簡介： 本书遵循循序渐进、兼顾理论和实践的原则，从神经网络基本概念入手，以图文并茂的形式生动地讲解激活函数和反向传播等概念原理，并以人脸识别和动作检测为例，让读者直观地了解深度学习的应用场景，在知识内容方面，不但包含决策树、随机森林等常规算法，还重点讲解了LSTM、CNN神经网络等主流算法，在代码实践方面，比较深入地讲解开发细节，详细介绍了相关网络结构、参数调优和各种网络的对照比较，对程序员实际动手有比较强的参考意义。此外，本书还包含了常用激活函数，读者可以方便的在附录中查询相关函数特性，是一本集原理、实践与资料查询为一体的书籍。 關於作者： 马特·R.科尔（Matt R. Cole）是一名经验丰富的开发人员和作者，在Microsoft Windows、C、C++、 C#和.NET方面有30年的经验。他是Evolved AI Solutions公司的老板，该公司是高级机器学习生物AI技术的主要供应商。他开发了第一个完全用C#和.NET编写的企业级微服务框架，该框架被纽约一家大型对冲基金生产。他还开发了第一个完全整合镜像和标准神经元的生物人工智能框架。 目錄： 译者序 前言 关于作者 关于审校者 第1章　快速预览1 1.1　神经网络概述2 1.1.1　神经网络训练4 1.1.2　神经网络的结构指南4 1.2　神经网络在当今企业中的作用6 1.3　学习的类型6 1.3.1　有监督学习7 1.3.2　无监督学习7 1.3.3　强化学习7 1.4　了解感知器7 1.5　了解激活函数10 1.5.1　激活函数绘图12 1.5.2　函数绘图13 1.6　了解后向传播16 1.7　小结17 1.8　参考文献17 第2章　构建第一个神经网络18 2.1　一个简单的神经网络18 2.2　神经网络训练19 2.2.1　突触20 2.2.2　神经元21 2.2.3　前向传播21 2.2.4　Sigmoid函数21 2.2.5　后向传播22 2.2.6　计算误差23 2.2.7　计算梯度23 2.2.8　更新权重23 2.2.9　计算值23 2.3　神经网络函数24 2.3.1　创建新网络24 2.3.2　导入现有网络24 2.3.3　导入数据集27 2.3.4　网络运算27 2.3.5　导出网络28 2.3.6　训练网络28 2.3.7　测试网络29 2.3.8　计算前向传播29 2.3.9　将网络导出为JSON格式29 2.3.10　导出数据集30 2.4　神经网络30 2.5　例子31 2.5.1　训练到最小值31 2.5.2　训练到最大值31 2.6　小结32 第3章　决策树和随机森林33 3.1　决策树33 3.1.1　决策树的优点34 3.1.2　决策树的缺点35 3.1.3　何时应该使用决策树35 3.2　随机森林35 3.2.1　随机森林的优点36 3.2.2　随机森林的缺点36 3.2.3　何时应该使用随机森林36 3.3　SharpLearning37 3.3.1　术语37 3.3.2　加载和保存模型37 3.4　示例代码和应用程序41 3.4.1　保存模型41 3.4.2　均方差回归指标41 3.4.3　F1分数41 3.4.4　优化42 3.4.5　示例应用程序142 3.4.6　示例应用程序2—葡萄酒质量43 3.5　小结45 3.6　参考文献45 第4章　面部和运动检测46 4.1　面部检测46 4.2　运动检测54 4.3　小结59 第5章　使用ConvNetSharp训练CNN60 5.1　热身60 5.2　过滤器64 5.3　创建网络64 5.3.1　第一个简单的例子65 5.3.2　第二个简单的例子66 5.3.3　第三个简单的例子67 5.3.4　使用Fluent API68 5.4　GPU68 5.5　使用MNIST数据集进行流畅设计训练68 5.6　训练网络69 5.6.1　测试数据70 5.6.2　预测数据71 5.6.3 　计算图71 5.7　小结73 5.8　参考文献73 第6章　使用 RNNSharp训练自动编码器74 6.1　什么是自动编码器74 6.2　自动编码器的分类74 6.2.1　标准自动编码器75 6.2.2　变分自动编码器76 6.2.3　降噪自动编码器76 6.2.4　稀疏自动编码器76 6.3　创建自己的自动编码器76 6.4　小结87 6.5　参考文献88 第7章　用PSO代替后向传播89 7.1　基础理论89 7.1.1　群体智能90 7.1.2　粒子群优化算法90 7.2　用粒子群优化算法代替后向传播94 7.3　小结98 第8章　函数优化99 8.1　入门100 8.2　函数最小化和最大化103 8.2.1　什么是粒子104 8.2.2　Swarm初始化106 8.2.3　图表初始化107 8.2.4　状态初始化108 8.2.5　控制随机性109 8.2.6　更新群体位置110 8.2.7　更新群速度110 8.2.8　主程序初始化110 8.2.9　运行粒子群优化111 8.2.10　用户界面112 8.3　超参数和调参113 8.3.1　函数113 8.3.2　策略114 8.3.3　维度大小115 8.3.4　上限115 8.3.5　下限116 8.3.6　上限速度116 8.3.7　下限速度117 8.3.8　小数位117 8.3.9　群体大小117 8.3.10　最大迭代次数118 8.3.11　惯性119 8.3.12　社交权重120 8.3.13　认知权重121 8.3.14　惯性权重122 8.4　可视化122 8.4.1　二维可视化122 8.4.2　三维可视化123 8.5　绘制结果128 8.5.1　回放结果128 8.5.2　更新信息树130 8.6　添加新的优化函数131 8.6.1　目的131 8.6.2　添加新函数的步骤131 8.6.3　添加新函数示例132 8.7　小结135 第9章　寻找最佳参数136 9.1　优化136 9.1.1　什么是适配函数137 9.1.2　约束137 9.1.3　元优化139 9.2　优化方法141 9.2.1　选择优化器141 9.2.2　梯度下降141 9.2.3　模式搜索141 9.2.4　局部单峰采样142 9.2.5　差异进化142 9.2.6　粒子群优化143 9.2.7　多优化联络员143 9.2.8　网格143 9.3　并行144 9.3.1　并行化优化问题144 9.3.2　并行优化方法144 9.3.3　编写代码144 9.3.4　执行元优化146 9.3.5　计算适配度146 9.3.6　测试自定义问题148 9 內容試閱： 本书将帮助读者学习如何使用C#进行神经网络编程，如何将这种令人兴奋和强大的技术应用到自己的程序中，并向读者示范如何使用开源软件包以及定制软件。我们将从简单的概念和理论入手，深入讲解每个人都能够运用的强大技术。 本书的读者对象 本书面向希望将神经网络技术添加到应用程序中的C#.NET开发人员。 本书的主要内容 第1章提供神经网络的基础知识。 第2章讲解激活函数的概念、目的及其图像形式。我们还将使用开源软件包（如Encog、Aforge和Accord）演示一个小型C#应用程序，并进行可视化呈现。 第3章帮助你理解决策树和随机森林的概念以及使用方法。 第4章学习如何运用Accord.Net机器学习框架连接到本地视频录制设备，通过捕获摄像机视野内任何物体的实时图像，跟踪视野中出现的人脸。 第5章重点关注如何使用开源软件包ConvNetSharp训练CNN，通过示例为读者讲解相关概念。 第6章教你使用开源软件包RNNSharp的自动编码器来解析和处理各种文本语料库。 第7章介绍粒子群优化如何取代神经网络训练方法，如用于训练神经网络的后向传播。 第8章介绍作为每个神经网络重要组成部分的函数优化。 第9章讲解如何使用数字和启发式优化技术轻松地找到神经网络函数的最佳参数。 第10章解析开源软件包TensorFlowSharp。 第11章使用Microsoft认知工具包（以前称为CNTK）以及长短期记忆（LSTM）网络完成时间序列预测。 第12章讲解门控循环单元（GRU），并将其与其他类型的神经网络进行比较。 附录A列出不同的激活函数及其函数图像。 附录B包括不同的优化函数。 学习本书的要求 在本书中，假设读者具有C#.NET的基础知识，熟悉C#.NET软件开发，并且能够熟练使用Microsoft Visual Studio。 下载示例代码及彩色图像 本书的示例代码及所有截图和样图，可以从http：www.packtpub.com通过个人账号下载，也可以访问华章图书官网http：www.hzbook.com，通过注册并登录个人账号下载。

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.