Python神经网络编程+标签

本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。 第 1 章　神经网络如何工作001 1.1　尺有所短，寸有所长 001 1.2　一台简单的预测机 003 1.3　分类器与预测器并无太大差别008 1.4　训练简单的分类器　011 1.5　有时候一个分类器不足以求解问题　020 1.6　神经元——大自然的计算机器　024 1.7　在神经网络中追踪信号　033 1.8　凭心而论，矩阵乘法大有用途　037 1.9　使用矩阵乘法的三层神经网络示例　043 1.10　学习来自多个节点的权重　051 1.11　多个输出节点反向传播误差053 1.12　反向传播误差到更多层中　054 1.13　使用矩阵乘法进行反向传播误差　058 1.14　我们实际上如何更新权重　061 1.15　权重更新成功范例 　077 1.16　准备数据　078 第 2 章　使用Python进行DIY 083 2.1　Python　083 2.2　交互式Python = IPython　084 2.3　优雅地开始使用Python　085 2.4　使用Python制作神经网络 105 2.5　手写数字的数据集MNIST 121 第 3 章　趣味盎然 153 3.1　自己的手写数字　153 3.2　神经网络大脑内部　156 3.3　创建新的训练数据：旋转图像　160 3.4　结语　164 附录A　微积分简介 165 A.1　一条平直的线　166 A.2　一条斜线　168 A.3　一条曲线　170 A.4　手绘微积分　172 A.5　非手绘微积分　174 A.6　无需绘制图表的微积分　177 A.7　模式　180 A.8　函数的函数　182 附录B　使用树莓派来工作 186 B.1　安装IPython　187 B.2　确保各项工作正常进行　193 B.3　训练和测试神经网络　194 B.4　树莓派成功了 195 077 1.16　准备数据　078 第 2 章　使用Python进行DIY 083 2.1　Python　083 2.2　交互式Python = IPython　084 2.3　优雅地开始使用Python　085 2.4　使用Python制作神经网络 105 2.5　手写数字的数据集MNIST 121 第 3 章　趣味盎然 153 3.1　自己的手写数字　153 3.2　神经网络大脑内部　156 3.3　创建新的训练数据：旋转图像　160 3.4　结语　164 附录A　微积分简介 165 A.1　一条平直的线　166 A.2　一条斜线　168 A.3　一条曲线　170 A.4　手绘微积分　172 A.5　非手绘微积分　174 A.6　无需绘制图表的微积分　177 A.7　模式　180 A.8　函数的函数　182 附录B　使用树莓派来工作 186 B.1　安装IPython　187 B.2　确保各项工作正常进行　193 B.3　训练和测试神经网络　194 B.4　树莓派成功了 195