C#神經(jīng)網(wǎng)絡編程

譯者序 

前言 

關于作者 

關于審校者 

第1章　快速預覽 1 

11　神經(jīng)網(wǎng)絡概述 2 

111　神經(jīng)網(wǎng)絡訓練 4 

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

12　神經(jīng)網(wǎng)絡在當今企業(yè)中的作用 6 

13　學習的類型 6 

131　有監(jiān)督學習 7 

132　無監(jiān)督學習 7 

133　強化學習 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 17 

第2章　構(gòu)建第一個神經(jīng)網(wǎng)絡 18 

21　一個簡單的神經(jīng)網(wǎng)絡 18 

22　神經(jīng)網(wǎng)絡訓練 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　計算誤差 23 

227　計算梯度 23 

228　更新權(quán)重 23 

229　計算值 23 

23　神經(jīng)網(wǎng)絡函數(shù) 24 

231　創(chuàng)建新網(wǎng)絡 24 

232　導入現(xiàn)有網(wǎng)絡 24 

233　導入數(shù)據(jù)集 27 

234　網(wǎng)絡運算 27 

235　導出網(wǎng)絡 28 

236　訓練網(wǎng)絡 28 

237　測試網(wǎng)絡 29 

238　計算前向傳播 29 

239　將網(wǎng)絡導出為JSON格式 29 

2310　導出數(shù)據(jù)集 30 

24　神經(jīng)網(wǎng)絡 30 

25　例子 31 

251　訓練到最小值 31 

252　訓練到最大值 31 

26　小結(jié) 32 

第3章　決策樹和隨機森林 33 

31　決策樹 33 

311　決策樹的優(yōu)點 34 

312　決策樹的缺點 35 

313　何時應該使用決策樹 35 

32　隨機森林 35 

321　隨機森林的優(yōu)點 36 

322　隨機森林的缺點 36 

323　何時應該使用隨機森林 36 

33　SharpLearning 37 

331　術(shù)語 37 

332　加載和保存模型 37 

34　示例代碼和應用程序 41 

341　保存模型 41 

342　均方差回歸指標 41 

343　F1分數(shù) 41 

344　優(yōu)化 42 

345　示例應用程序1 42 

346　示例應用程序2—葡萄酒質(zhì)量 43 

35　小結(jié) 45 

36　參考文獻 45 

第4章　面部和運動檢測 46 

41　面部檢測 46 

42　運動檢測 54 

43　小結(jié) 59 

第5章　使用ConvNetSharp訓練CNN 60 

51　熱身 60 

52　過濾器 64 

53　創(chuàng)建網(wǎng)絡 64 

531　第一個簡單的例子 65 

532　第二個簡單的例子 66 

533　第三個簡單的例子 67 

534　使用Fluent API 68 

54　GPU 68 

55　使用MNIST數(shù)據(jù)集進行流暢設計訓練 68 

56　訓練網(wǎng)絡 69 

561　測試數(shù)據(jù) 70 

562　預測數(shù)據(jù) 71 

563 　計算圖 71 

57　小結(jié) 73 

58　參考文獻 73 

第6章　使用 RNNSharp訓練自動編碼器 74 

61　什么是自動編碼器 74 

62　自動編碼器的分類 74 

621　標準自動編碼器 75 

622　變分自動編碼器 76 

623　降噪自動編碼器 76 

624　稀疏自動編碼器 76 

63　創(chuàng)建自己的自動編碼器 76 

64　小結(jié) 87 

65　參考文獻 88 

第7章　用PSO代替后向傳播 89 

71　基礎理論 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 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 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　差異進化 142 

926　粒子群優(yōu)化 143 

927　多優(yōu)化聯(lián)絡員 143 

928　網(wǎng)格 143 

93　并行 144 

931　并行化優(yōu)化問題 144 

932　并行優(yōu)化方法 144 

933　編寫代碼 144 

934　執(zhí)行元優(yōu)化 146 

935　計算適配度 146 

936　測試自定義問題 148