具体描述
神经网络是一种模拟人脑的神经网络，以期能够实现类人工智能的机器学习
技术。
本书揭示神经网络背后的概念，并介绍如何通过Python实现神经网络。全书
分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使
用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读
者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善
神经网络的性能，并加深对相关知识的理解。附录分别介绍了所需的微积分知识
和树莓派知识。
本书适合想要从事神经网络研究和探索的读者学习参考，也适合对人工智
能、机器学习和深度学习等相关领域感兴趣的读者阅读。
作者简介
拥有物理学学士学位、机器学习和数据挖掘硕士学位。他常年活跃于伦敦的技术领域，领导并组织伦敦 Python 聚会小组（近3000名成员）。
目录信息
版权声明
内容提要
译者序
序言
前言
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 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 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
· · · · · · (收起)
读后感
阅读背景：Python程序员，数学渣，略微接触过一些传统机器学习的东西（调包为主） 大约两个晚上时间看完这本书，代码实现了一遍，相对而言整本书内容不多，就是一段NN程序。推导也比较简单易懂，能让人很快看懂。 但是不是说没有缺点了，减一星是由于以下原因： 有些符号表示实...
评分 评分清晰易懂，只用了一点数学（目标读者是高中生，书中稍许用到的微积分知识，在附录也有解释），就把神经网络的构造和原理讲得很清楚。讲完理论，作者在书的第二部分进入实践，一步步编写了一段应用神经网络模型识别手写数字的代码，几乎每一步都伴有详细讲解。个人感觉是，如果...
评分P108： Weight(hiddle_output)的大小应该是 output_nodes 乘以 hidden_nodes，中文版本写反了，英文原版以及代码中是正确的。 整体而言，本书对于初学者实在是太友好了，值得推荐。另外，我并不认可“神经网络是模拟人脑的机器学习技术”，人脑的原理没人知道，所以也不存在模...
评分阅读背景：Python程序员，数学渣，略微接触过一些传统机器学习的东西（调包为主） 大约两个晚上时间看完这本书，代码实现了一遍，相对而言整本书内容不多，就是一段NN程序。推导也比较简单易懂，能让人很快看懂。 但是不是说没有缺点了，减一星是由于以下原因： 有些符号表示实...
用户评价
赞美作者！他就像一个耐心的小学老师，语言平实易懂，语气温柔，对知识的讲解非常细腻。内容难度也是小学生级别，连导论都不算，本来就是给门外汉看的嘛，师傅领进门，就是这样。
评分完完整整的读完啦，代码也都敲了一遍。看书的时候真是好喜欢作者寓教于乐，深入浅出的风格。 纯 Python，50行代码就能写出一个识别手写数字，准确率达到99.8%的深度神经网络模型。有趣！强烈推荐这本书给对神经网络感兴趣的人，不用担心看不懂，只需很简单的数学和编程知识就可以，没有也没关系！作者在附录也会教你。 神经网络真是神奇，我们的大脑更为神奇！
评分跟着作者一步一步地写完了那个图像识别的神经网络的代码，运行了25分钟，最后正确率是97.44%，还挺有意思的。。。
评分完完整整的读完啦，代码也都敲了一遍。看书的时候真是好喜欢作者寓教于乐，深入浅出的风格。 纯 Python，50行代码就能写出一个识别手写数字，准确率达到99.8%的深度神经网络模型。有趣！强烈推荐这本书给对神经网络感兴趣的人，不用担心看不懂，只需很简单的数学和编程知识就可以，没有也没关系！作者在附录也会教你。 神经网络真是神奇，我们的大脑更为神奇！
评分推荐入门，早点看到这本书就好了
相关图书
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
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有