神經(jīng)網(wǎng)絡(luò)算法與實(shí)現(xiàn)：基于Java語(yǔ)言

第1章 初識(shí)神經(jīng)網(wǎng)絡(luò)\t1
1．1 探索神經(jīng)網(wǎng)絡(luò)\t1
1．2 為什么要用人工神經(jīng)網(wǎng)絡(luò)\t2
1．3 神經(jīng)網(wǎng)絡(luò)的構(gòu)造\t3
1．3．1 基礎(chǔ)元素——人工神經(jīng)元\t3
1．3．2 賦予神經(jīng)元生命——
激活函數(shù)\t4
1．3．3 基礎(chǔ)值——權(quán)值\t5
1．3．4 重要參數(shù)——偏置\t5
1．3．5 神經(jīng)網(wǎng)絡(luò)組件——層\t5
1．4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)\t6
1．4．1 單層神經(jīng)網(wǎng)絡(luò)\t7
1．4．2 多層神經(jīng)網(wǎng)絡(luò)\t7
1．4．3 前饋神經(jīng)網(wǎng)絡(luò)\t8
1．4．4 反饋神經(jīng)網(wǎng)絡(luò)\t8
1．5 從無知到有識(shí)——學(xué)習(xí)過程\t8
1．6 實(shí)踐神經(jīng)網(wǎng)絡(luò)\t9
1．7 小結(jié)\t15
第2章 神經(jīng)網(wǎng)絡(luò)是如何學(xué)習(xí)的\t16
2．1 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力\t16
2．2 學(xué)習(xí)范式\t17
2．2．1 監(jiān)督學(xué)習(xí)\t17
2．2．2 無監(jiān)督學(xué)習(xí)\t18
2．3 系統(tǒng)結(jié)構(gòu)——學(xué)習(xí)算法\t19
2．3．1 學(xué)習(xí)的兩個(gè)階段——訓(xùn)練
和測(cè)試\t20
2．3．2 細(xì)節(jié)——學(xué)習(xí)參數(shù)\t21
2．3．3 誤差度量和代價(jià)函數(shù)\t22
2．4 學(xué)習(xí)算法示例\t22
2．4．1 感知機(jī)\t22
2．4．2 Delta規(guī)則\t23
2．5 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程的編碼\t23
2．5．1 參數(shù)學(xué)習(xí)實(shí)現(xiàn)\t23
2．5．2 學(xué)習(xí)過程\t24
2．5．3 類定義\t26
2．6 兩個(gè)實(shí)例\t33
2．6．1 感知機(jī)（報(bào)警系統(tǒng)）\t34
2．6．2 ADALINE（交通預(yù)測(cè)）\t37
2．7 小結(jié)\t42
第3章 運(yùn)用感知機(jī)\t43
3．1 學(xué)習(xí)感知機(jī)神經(jīng)網(wǎng)絡(luò)\t43
3．1．1 感知機(jī)的應(yīng)用和局限性\t44
3．1．2 線性分離\t44
3．1．3 經(jīng)典XOR（異或）
例子\t45
3．2 流行的多層感知機(jī)（MLP）\t47
3．2．1 MLP屬性\t48
3．2．2 MLP權(quán)值\t49
3．2．3 遞歸MLP\t50
3．2．4 MLP在OOP范式中的
結(jié)構(gòu)\t50
3．3 有趣的MLP應(yīng)用\t51
3．3．1 使用MLP進(jìn)行分類\t51
3．3．2 用MLP進(jìn)行回歸\t53
3．4 MLP的學(xué)習(xí)過程\t54
3．4．1 簡(jiǎn)單但很強(qiáng)大的學(xué)習(xí)
算法——反向傳播\t55
3．4．2 復(fù)雜而有效的學(xué)習(xí)算法——
Levenberg–Marquardt\t57
3．5 MLP實(shí)現(xiàn)\t58
3．5．1 實(shí)戰(zhàn)反向傳播算法\t61
3．5．2 探索代碼\t62
3．6 Levenberg–Marquardt實(shí)現(xiàn)\t66
3．7 實(shí)際應(yīng)用——新生入學(xué)\t68
3．8 小結(jié)\t71
第4章 自組織映射\t72
4．1 神經(jīng)網(wǎng)絡(luò)無監(jiān)督學(xué)習(xí)方式\t72
4．2 無監(jiān)督學(xué)習(xí)算法介紹\t73
4．3 Kohonen 自組織映射\t76
4．3．1 一維SOM\t77
4．3．2 二維SOM\t78
4．3．3 逐步實(shí)現(xiàn)自組織映射網(wǎng)絡(luò)
學(xué)習(xí)\t80
4．3．4 如何使用SOM\t81
4．4 Kohonen算法編程\t81
4．4．1 探索Kohonen類\t84
4．4．2 Kohonen實(shí)現(xiàn)
（動(dòng)物聚類）\t86
4．5 小結(jié)\t88
第5章 天氣預(yù)測(cè)\t89
5．1 針對(duì)預(yù)測(cè)問題的神經(jīng)網(wǎng)絡(luò)\t89
5．2 無數(shù)據(jù)，無神經(jīng)網(wǎng)絡(luò)——
選擇數(shù)據(jù)\t91
5．2．1 了解問題——天氣變量\t92
5．2．2 選擇輸入輸出變量\t92
5．2．3 移除無關(guān)行為——
數(shù)據(jù)過濾\t93
5．3 調(diào)整數(shù)值——數(shù)據(jù)預(yù)處理\t94
5．4 Java實(shí)現(xiàn)天氣預(yù)測(cè)\t96
5．4．1 繪制圖表\t96
5．4．2 處理數(shù)據(jù)文件\t97
5．4．3 構(gòu)建天氣預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)\t98
5．5 神經(jīng)網(wǎng)絡(luò)經(jīng)驗(yàn)設(shè)計(jì)\t101
5．5．1 選擇訓(xùn)練和測(cè)試
數(shù)據(jù)集\t101
5．5．2 設(shè)計(jì)實(shí)驗(yàn)\t102
5．5．3 結(jié)果和模擬\t103
5．6 小結(jié)\t105
第6章 疾病診斷分類\t106
6．1 什么是分類問題，以及如何應(yīng)用
神經(jīng)網(wǎng)絡(luò)\t106
6．2 激活函數(shù)的特殊類型——
邏輯回歸\t107
6．2．1 二分類VS多分類\t109
6．2．2 比較預(yù)期結(jié)果與產(chǎn)生
結(jié)果——混淆矩陣\t109
6．2．3 分類衡量——靈敏度和
特異性\t110
6．3 應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行分類\t111
6．4 神經(jīng)網(wǎng)絡(luò)的疾病診斷\t114
6．4．1 使用神經(jīng)網(wǎng)絡(luò)診斷
乳腺癌\t114
6．4．2 應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行早期糖
尿病診斷\t118
6．5 小結(jié)\t121
第7章 客戶特征聚類\t122
7．1 聚類任務(wù)\t123
7．1．1 聚類分析\t123
7．1．2 聚類評(píng)估和驗(yàn)證\t124
7．1．3 外部驗(yàn)證\t125
7．2 應(yīng)用無監(jiān)督學(xué)習(xí)\t125
7．2．1 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)\t125
7．2．2 Kohonen 神經(jīng)網(wǎng)絡(luò)\t126
7．2．3 數(shù)據(jù)類型\t127
7．3 客戶特征\t128
7．4 Java實(shí)現(xiàn)\t129
7．5 小結(jié)\t135
第8章 模式識(shí)別（OCR案例）\t136
8．1 什么是模式識(shí)別\t136
8．1．1 定義大量數(shù)據(jù)中的
類別\t137
8．1．2 如果未定義的類沒有被
定義怎么辦\t138
8．1．3 外部驗(yàn)證\t138
8．2 如何在模式識(shí)別中應(yīng)用神經(jīng)網(wǎng)絡(luò)
算法\t138
8．3 OCR問題\t140
8．3．1 簡(jiǎn)化任務(wù)——數(shù)字
識(shí)別\t140
8．3．2 數(shù)字表示的方法\t140
8．4 開始編碼\t141
8．4．1 生成數(shù)據(jù)\t141
8．4．2 構(gòu)建神經(jīng)網(wǎng)絡(luò)\t143
8．4．3 測(cè)試和重新設(shè)計(jì)——
試錯(cuò)\t144
8．4．4 結(jié)果\t145
8．5 小結(jié)\t148
第9章 神經(jīng)網(wǎng)絡(luò)優(yōu)化與自適應(yīng)\t149
9．1 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)中的常見問題\t149
9．2 輸入選擇\t150
9．2．1 數(shù)據(jù)相關(guān)性\t150
9．2．2 降維\t151
9．2．3 數(shù)據(jù)過濾\t152
9．3 結(jié)構(gòu)選擇\t152
9．4 在線再訓(xùn)練\t154
9．4．1 隨機(jī)在線學(xué)習(xí)\t155
9．4．2 實(shí)現(xiàn)\t156
9．4．3 應(yīng)用\t157
9．5 自適應(yīng)神經(jīng)網(wǎng)絡(luò)\t159
9．5．1 自適應(yīng)共振理論\t159
9．5．2 實(shí)現(xiàn)\t160
9．6 小結(jié)\t162
附錄A NetBeans環(huán)境搭建\t163
附錄B Eclipse環(huán)境搭建\t175
附錄C 參考文獻(xiàn)\t186