神經網絡算法與實現：基於Java語言
Fábio M. Soares Alan M.F. Souza
478人在讀
8.8萬字總字數
¥37.76定價
Fábio M. Soares Alan M.F. Souza
人工神經網絡是由衆多連接權值可調的神經元連接而成，具有大規模並行處理、分佈式信息存儲、良好的自組織自學習能力等特點，能夠完成模式識別、機器學習以及預測趨勢等任務。本書通過9章內容，並結合Java編程語言，由淺入深地介紹了神經網絡算法的應用。書中涉及神經網絡的構建、神經網絡的結構、神經網絡的學習、感知機、自組織映射等核心概念，並將天氣預測、疾病診斷、客戶特徵聚類、模式識別、神經網絡優化與自適應等經典案例囊括其中。
側重理解底層運算邏輯，不偏向工程部署和大規模深度學習。本書主要講了幾件事🤔神經網絡本質是不斷調整權重與偏置，依靠反向傳播縮小預測損失。激活函數引入非線性，網絡纔可擬合現實複雜數據。另外批量訓練、學習率控制決定模型收斂速度。Java矩陣封裝訓練模塊，便於後端業務嵌入輕量化模型。但本書知識老舊，僅覆蓋傳統BP、簡易CNN，缺少深度學習前沿體系。Java做神經網絡實操價值偏向學習理解，工業界多用Python生態🤔偏重算法手寫實現，數據集處理、調參實戰案例偏少，另外偏向學術原理教學，缺少落地項目優化、性能調優方案。