神经网络算法与实现：基于Java语言
Fábio M. Soares Alan M.F. Souza
478人在读
8.8万字总字数
¥37.76定价
Fábio M. Soares Alan M.F. Souza
人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络优化与自适应等经典案例囊括其中。
侧重理解底层运算逻辑，不偏向工程部署和大规模深度学习。本书主要讲了几件事🤔神经网络本质是不断调整权重与偏置，依靠反向传播缩小预测损失。激活函数引入非线性，网络才可拟合现实复杂数据。另外批量训练、学习率控制决定模型收敛速度。Java矩阵封装训练模块，便于后端业务嵌入轻量化模型。但本书知识老旧，仅覆盖传统BP、简易CNN，缺少深度学习前沿体系。Java做神经网络实操价值偏向学习理解，工业界多用Python生态🤔偏重算法手写实现，数据集处理、调参实战案例偏少，另外偏向学术原理教学，缺少落地项目优化、性能调优方案。