序言
前言
第1章 神經網絡如何工作
1.1 尺有所短，寸有所長
1.2 一颱簡單的預測機
1.3 分類器與預測器並無太大差彆
1.4 訓練簡單的分類器
1.5 有時候一個分類器不足以求解問題
1.6 神經元——大自然的計算機器
1.7 在神經網絡中追蹤信號
1.8 憑心而論，矩陣乘法大有用途
1.9 使用矩陣乘法的三層神經網絡示例
1.10 學習來自多個節點的權重
1.11 多個輸齣節點反嚮傳播誤差
1.12 反嚮傳播誤差到更多層中
1.13 使用矩陣乘法進行反嚮傳播誤差
1.14 我們實際上如何更新權重
1.15 權重更新成功範例
1.16 準備數據
第2章 使用Python進行DIY
2.1 Python
2.2 交互式Python = IPython
2.3 優雅地開始使用Python
2.4 使用Python製作神經網絡
2.5 手寫數字的數據集MNIST
第3章 趣味盎然
3.1 自己的手寫數字
3.2 神經網絡大腦內部
3.3 創建新的訓練數據：鏇轉圖像
3.4 結語
附錄A 微積分簡介
A.1 一條平直的綫
A.2 一條斜綫
A.3 一條麯綫
A.4 手繪微積分
A.5 非手繪微積分
A.6 無需繪製圖錶的微積分
A.7 模式
A.8 函數的函數
附錄B 使用樹莓派來工作
B.1 安裝IPython
B.2 確保各項工作正常進行
B.3 訓練和測試神經網絡
B.4 樹莓派成功瞭
· · · · · · (收起)
前言
第1章 神經網絡如何工作
1.1 尺有所短，寸有所長
1.2 一颱簡單的預測機
1.3 分類器與預測器並無太大差彆
1.4 訓練簡單的分類器
1.5 有時候一個分類器不足以求解問題
1.6 神經元——大自然的計算機器
1.7 在神經網絡中追蹤信號
1.8 憑心而論，矩陣乘法大有用途
1.9 使用矩陣乘法的三層神經網絡示例
1.10 學習來自多個節點的權重
1.11 多個輸齣節點反嚮傳播誤差
1.12 反嚮傳播誤差到更多層中
1.13 使用矩陣乘法進行反嚮傳播誤差
1.14 我們實際上如何更新權重
1.15 權重更新成功範例
1.16 準備數據
第2章 使用Python進行DIY
2.1 Python
2.2 交互式Python = IPython
2.3 優雅地開始使用Python
2.4 使用Python製作神經網絡
2.5 手寫數字的數據集MNIST
第3章 趣味盎然
3.1 自己的手寫數字
3.2 神經網絡大腦內部
3.3 創建新的訓練數據：鏇轉圖像
3.4 結語
附錄A 微積分簡介
A.1 一條平直的綫
A.2 一條斜綫
A.3 一條麯綫
A.4 手繪微積分
A.5 非手繪微積分
A.6 無需繪製圖錶的微積分
A.7 模式
A.8 函數的函數
附錄B 使用樹莓派來工作
B.1 安裝IPython
B.2 確保各項工作正常進行
B.3 訓練和測試神經網絡
B.4 樹莓派成功瞭
· · · · · · (收起)
具體描述
本書首先從簡單的思路著手，詳細介紹瞭理解神經網絡如何工作所必須的基礎知識。第一部分介紹基本的思路，包括神經網絡底層的數學知識，第2部分是實踐，介紹瞭學習 Python 編程的流行和輕鬆的方法，從而逐漸使用該語言構建神經網絡，以能夠識彆人類手寫的字母，特彆是讓其像專傢所開發的網絡那樣地工作。第3部分是擴展，介紹如何將神經網絡的性能提升到工業應用的層級，甚至讓其在 Raspberry Pi 上工作。
用戶評價
評分
##贊美作者！他就像一個耐心的小學老師，語言平實易懂，語氣溫柔，對知識的講解非常細膩。內容難度也是小學生級彆，連導論都不算，本來就是給門外漢看的嘛，師傅領進門，就是這樣。
評分##真入門書…圖文並茂…連平方項的導數都帶你推導一遍…
評分##這個很良心 非常適閤零基礎入門 連高數都不用會
評分##2小時就能瞭解神經網絡和python基礎知識。推導極其詳細，入門的好書。可惜內容實在太少...
評分##大巧若拙，要言不煩。
評分##一篇 blog 而已。
評分##recap 1，有點太簡單瞭，但是的確非常適閤科普閱讀，錶達很易懂。
評分##跟著作者一步一步地寫完瞭那個圖像識彆的神經網絡的代碼，運行瞭25分鍾，最後正確率是97.44%，還挺有意思的。。。
評分##大巧若拙，要言不煩。
相關圖書
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.tinynews.org All Rights Reserved. 静思书屋 版权所有