神经网络 R语言实现pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

神经网络 R语言实现PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 神经网络和人工智能概念 1

1.1 简介 2

1.2 神经网络的灵感 3

1.3 神经网络的工作原理 4

1.4 分层方法 5

1.5 权重和偏差 6

1.6 训练神经网络 7

1.6.1 有监督学习 7

1.6.2 无监督学习 7

1.7 epoch 7

1.8 激活函数 8

1.9 不同的激活函数 8

1.9.1 线性函数 8

1.9.2 单位阶跃激活函数 9

1.9.3 sigmoid函数 10

1.9.4 双曲正切函数 11

1.9.5 线性修正单元函数 11

1.10 使用哪些激活函数 12

1.11 感知机和多层架构 13

1.12 前向和反向传播 13

1.13 逐步说明神经网络和激活函数 14

1.14 前馈和反馈网络 16

1.15 梯度下降 17

1.16 神经网络分类法 17

1.17 使用R语言神经网络添加包neuralnet（）的简单示例 19

1.18 使用添加包nnet（）进行实现 24

1.19 深度学习 29

1.20 神经网络的优缺点 29

1.21 神经网络实现的最佳实践 30

1.22 有关GPU处理的简要说明 30

1.23 小结 31

第2章 神经网络中的学习过程 32

2.1 机器学习 33

2.1.1 有监督学习 34

2.1.2 无监督学习 35

2.1.3 强化学习 36

2.2 训练和测试模型 37

2.3 数据循环 38

2.4 评估指标 39

2.5 学习神经网络 42

2.6 反向传播 43

2.7 神经网络学习算法的优化 45

2.8 神经网络中的有监督学习 46

2.8.1 波士顿数据集 46

2.8.2 对波士顿数据集进行神经网络回归 48

2.9 神经网络中的无监督学习 54

2.9.1 竞争学习 55

2.9.2 Kohonen SOM 57

2.10 小结 63

第3章 使用多层神经网络进行深度学习 64

3.1 DNN简介 65

3.2 用于DNN的R语言 67

3.3 通过neuralnet建立多层神经网络 69

3.4 使用H2O对DNN进行训练和建模 78

3.5 使用H2O建立深度自动编码器 90

3.6 小结 91

第4章 感知神经网络建模——基本模型 93

4.1 感知机及其应用 93

4.2 简单感知机——一个线性可分离分类器 96

4.3 线性分离 98

4.4 R中的感知机函数 101

4.5 多层感知机 107

4.6 使用RSNNS在R中实现MLP 108

4.7 小结 117

第5章 在R中训练和可视化神经网络 119

5.1 使用神经网络进行数据拟合 120

5.1.1 探索性分析 124

5.1.2 神经网络模型 126

5.2 使用神经网络对乳腺癌进行分类 135

5.2.1 探索性分析 138

5.2.2 神经网络模型 143

5.2.3 网络训练阶段 146

5.2.4 测试神经网络 149

5.3 神经网络训练中的早期停止 152

5.4 避免模型中的过拟合 152

5.5 神经网络的泛化 154

5.6 神经网络模型中数据的缩放 154

5.7 集成神经网络来预测 155

5.8 小结 156

第6章 循环和卷积神经网络 157

6.1 循环神经网络 158

6.2 R中的添加包rnn 162

6.3 LSTM模型 170

6.4 卷积神经网络 172

6.5 常见的CNN架构——LeNet 175

6.6 使用RNN进行湿度预测 176

6.7 小结 183

第7章 神经网络案例——高级主题 185

7.1 TensorFlow与R的集成 186

7.2 Keras与R的集成 189

7.3 在R中使用MNIST HWR 190

7.4 使用数据集iris建立LSTM 199

7.5 使用自动编码器 203

7.6 使用H2O进行主成分分析 204

7.7 使用H2O建立自动编码器 207

7.8 使用添加包darch检测乳腺癌 211

7.9 小结 217