当前位置:首页 > Java >
《神经网络算法与实现 基于Java语言》电子书封面

神经网络算法与实现 基于Java语言

  • 发布时间:2019年04月12日 14:27:25
  • 作者:法比奥
  • 大小:32 MB
  • 类别:神经网络电子书
  • 格式:PDF
  • 版本:中文清晰版
  • 评分:9.9

    神经网络算法与实现 基于Java语言 PDF 中文清晰版

      给大家带来的一篇关于神经网络相关的电子书资源,介绍了关于神经网络、算法、Java语言方面的内容,本书是由人民邮电出版社出版,格式为PDF,资源大小32 MB,法比奥编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:9.8分

      Tags:算法 Java语言 神经网络 

      内容介绍

      书的内容属于常规,偏旧,最新的一些网络和实现都不涉及。作为入门参考还可以,书很薄,内容简单。不适合作为开发参考。纸张和印刷都还不错,送货速度也满意。

      编辑推荐

      神经网络已成为从大量原始的,看似无关的数据中提取有用知识的强大技术。 Java语言是用于实现神经网络的zui合适的工具之一,也是现阶段非常流行的编程语言之一,包含多种有助于开发的API和包,具有“一次编写,随处运行”的可移植性。

      本书完整地演示了使用Java开发神经网络的过程,既有非常基础的实例也有高级实例。首先,你将学习神经网络的基础知识、感知机及其特征。 然后,你将使用学到的概念来实现自组织映射网络。 此外,你还会了解一些应用,如天气预报、疾病诊断、客户特征分析和光学字符识别(OCR)等。 zui后,你将学习实时优化和自适应神经网络的方法。

      首先,你将学习神经网络的基础知识和它们的学习过程。 然后我们关注感知机及其特征。 接下来,您将使用您学到的概念实现自组织映射。 此外,您将了解一些应用,如天气预报,疾病诊断,客户特征分析和光学字符识别(OCR)。 zui后,您将学习优化和适应实时神经网络的方法。

      本书所有的示例都提供了说明性的源代码,这些源代码综合了面向对象编程(OOP)概念和神经网络特性,以帮助你更好的学习。

      通过阅读本书,你讲能够:
      掌握神经网络的知识及其用途;
      运用常见实例开发神经网络;
      探索和编码zui广泛使用的学习算法,让你的神经网络可以从大多数类型的数据中学习 知识;
      发现神经网络的无监督学习过程的力量,提取隐藏在数据背后的内在知识;
      应用实际示例(如天气预测和模式识别)中生成的代码;
      了解如何选择zui合适的学习参数,以确保应用更高效;
      选择数据集,将数据集切分为训练集、测试集和验证集,并探索验证策略;
      了解如何改善和优化神经网络。

      内容简介

      神经网络算法与实现 基于Java语言人工神经网络是由众多连接权值可调的神经元连接而成,具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点,能够完成模式识别、机器学习以及预测趋势等任务。
      本书通过9章内容,并结合Java编程语言,由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念,并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络优化与自适应等经典案例囊括其中。本书在附录中详细地指导读者进行开发环境的配置,帮助读者更加顺利地进行程序开发。
      本书非常适合对神经网络技术感兴趣的开发人员和业余读者阅读,读者无需具备Java编程知识,也无需提前了解神经网络的相关概念。本书将从零开始为读者进行由浅入深地讲解。

      目录

      • 第1章 初识神经网络 1
      • 1.1 探索神经网络 1
      • 1.2 为什么要用人工神经网络 2
      • 1.3 神经网络的构造 3
      • 1.3.1 基础元素——人工神经元 3
      • 1.3.2 赋予神经元生命——
      • 激活函数 4
      • 1.3.3 基础值——权值 5
      • 1.3.4 重要参数——偏置 5
      • 1.3.5 神经网络组件——层 5
      • 1.4 神经网络结构 6
      • 1.4.1 单层神经网络 7
      • 1.4.2 多层神经网络 7
      • 1.4.3 前馈神经网络 8
      • 1.4.4 反馈神经网络 8
      • 1.5 从无知到有识——学习过程 8
      • 1.6 实践神经网络 9
      • 1.7 小结 15
      • 第2章 神经网络是如何学习的 16
      • 2.1 神经网络的学习能力 16
      • 2.2 学习范式 17
      • 2.2.1 监督学习 17
      • 2.2.2 无监督学习 18
      • 2.3 系统结构——学习算法 19
      • 2.3.1 学习的两个阶段——训练
      • 和测试 20
      • 2.3.2 细节——学习参数 21
      • 2.3.3 误差度量和代价函数 22
      • 2.4 学习算法示例 22
      • 2.4.1 感知机 22
      • 2.4.2 Delta规则 23
      • 2.5 神经网络学习过程的编码 23
      • 2.5.1 参数学习实现 23
      • 2.5.2 学习过程 24
      • 2.5.3 类定义 26
      • 2.6 两个实例 33
      • 2.6.1 感知机(报警系统) 34
      • 2.6.2 ADALINE(交通预测) 37
      • 2.7 小结 42
      • 第3章 运用感知机 43
      • 3.1 学习感知机神经网络 43
      • 3.1.1 感知机的应用和局限性 44
      • 3.1.2 线性分离 44
      • 3.1.3 经典XOR(异或)
      • 例子 45
      • 3.2 流行的多层感知机(MLP) 47
      • 3.2.1 MLP属性 48
      • 3.2.2 MLP权值 49
      • 3.2.3 递归MLP 50
      • 3.2.4 MLP在OOP范式中的
      • 结构 50
      • 3.3 有趣的MLP应用 51
      • 3.3.1 使用MLP进行分类 51
      • 3.3.2 用MLP进行回归 53
      • 3.4 MLP的学习过程 54
      • 3.4.1 简单但很强大的学习
      • 算法——反向传播 55
      • 3.4.2 复杂而有效的学习算法——
      • Levenberg–Marquardt 57
      • 3.5 MLP实现 58
      • 3.5.1 实战反向传播算法 61
      • 3.5.2 探索代码 62
      • 3.6 Levenberg–Marquardt实现 66
      • 3.7 实际应用——新生入学 68
      • 3.8 小结 71
      • 第4章 自组织映射 72
      • 4.1 神经网络无监督学习方式 72
      • 4.2 无监督学习算法介绍 73
      • 4.3 Kohonen 自组织映射 76
      • 4.3.1 一维SOM 77
      • 4.3.2 二维SOM 78
      • 4.3.3 逐步实现自组织映射网络
      • 学习 80
      • 4.3.4 如何使用SOM 81
      • 4.4 Kohonen算法编程 81
      • 4.4.1 探索Kohonen类 84
      • 4.4.2 Kohonen实现
      • (动物聚类) 86
      • 4.5 小结 88
      • 第5章 天气预测 89
      • 5.1 针对预测问题的神经网络 89
      • 5.2 无数据,无神经网络——
      • 选择数据 91
      • 5.2.1 了解问题——天气变量 92
      • 5.2.2 选择输入输出变量 92
      • 5.2.3 移除无关行为——
      • 数据过滤 93
      • 5.3 调整数值——数据预处理 94
      • 5.4 Java实现天气预测 96
      • 5.4.1 绘制图表 96
      • 5.4.2 处理数据文件 97
      • 5.4.3 构建天气预测神经网络 98
      • 5.5 神经网络经验设计 101
      • 5.5.1 选择训练和测试
      • 数据集 101
      • 5.5.2 设计实验 102
      • 5.5.3 结果和模拟 103
      • 5.6 小结 105
      • 第6章 疾病诊断分类 106
      • 6.1 什么是分类问题,以及如何应用
      • 神经网络 106
      • 6.2 激活函数的特殊类型——
      • 逻辑回归 107
      • 6.2.1 二分类VS多分类 109
      • 6.2.2 比较预期结果与产生
      • 结果——混淆矩阵 109
      • 6.2.3 分类衡量——灵敏度和
      • 特异性 110
      • 6.3 应用神经网络进行分类 111
      • 6.4 神经网络的疾病诊断 114
      • 6.4.1 使用神经网络诊断
      • 乳腺癌 114
      • 6.4.2 应用神经网络进行早期糖
      • 尿病诊断 118
      • 6.5 小结 121
      • 第7章 客户特征聚类 122
      • 7.1 聚类任务 123
      • 7.1.1 聚类分析 123
      • 7.1.2 聚类评估和验证 124
      • 7.1.3 外部验证 125
      • 7.2 应用无监督学习 125
      • 7.2.1 径向基函数神经网络 125
      • 7.2.2 Kohonen 神经网络 126
      • 7.2.3 数据类型 127
      • 7.3 客户特征 128
      • 7.4 Java实现 129
      • 7.5 小结 135
      • 第8章 模式识别(OCR案例) 136
      • 8.1 什么是模式识别 136
      • 8.1.1 定义大量数据中的
      • 类别 137
      • 8.1.2 如果未定义的类没有被
      • 定义怎么办 138
      • 8.1.3 外部验证 138
      • 8.2 如何在模式识别中应用神经网络
      • 算法 138
      • 8.3 OCR问题 140
      • 8.3.1 简化任务——数字
      • 识别 140
      • 8.3.2 数字表示的方法 140
      • 8.4 开始编码 141
      • 8.4.1 生成数据 141
      • 8.4.2 构建神经网络 143
      • 8.4.3 测试和重新设计——
      • 试错 144
      • 8.4.4 结果 145
      • 8.5 小结 148
      • 第9章 神经网络优化与自适应 149
      • 9.1 神经网络实现中的常见问题 149
      • 9.2 输入选择 150
      • 9.2.1 数据相关性 150
      • 9.2.2 降维 151
      • 9.2.3 数据过滤 152
      • 9.3 结构选择 152
      • 9.4 在线再训练 154
      • 9.4.1 随机在线学习 155
      • 9.4.2 实现 156
      • 9.4.3 应用 157
      • 9.5 自适应神经网络 159
      • 9.5.1 自适应共振理论 159
      • 9.5.2 实现 160
      • 9.6 小结 162
      • 附录A NetBeans环境搭建 163
      • 附录B Eclipse环境搭建 175
      • 附录C 参考文献 186

      读书笔记

      Java操作word文档替换文字并指定位置插入图片方法

      Java 替换word文档文字并指定位置插入图片

      先说下 需要的依赖包

      <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-excelant</artifactId>
            <version>3.12</version>
          </dependency>
          <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-scratchpad</artifactId>
            <version>3.12</version>
          </dependency>
          <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-ooxml</artifactId>
            <version>3.8</version>
          </dependency>
          <dependency>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi-ooxml-schemas</artifactId>
            <version>3.8</version>
          </dependency>
      <!-- 生成图片-->
       <dependency>
          <groupId>org.jfree</groupId>
          <artifactId>jfreechart</artifactId>
          <version>1.0.19</version>
        </dependency>
        <dependency>
      <!--支持插入图片-->
          <groupId>org.docx4j</groupId>
          <artifactId>docx4j</artifactId>
          <version>3.3.1</version>
        </dependency>

      示例,下图

      如上图,需要替换的字符串地方“$1”为“1231”,在指定位置插入书签,并命名“test”    ,插入的图片如下

      本人也没太过多去研究,亲测通过有效,在这分享下

      1.demo

      import java.awt.Font;
      import java.io.File;
      import java.io.FileInputStream;
      import java.io.FileOutputStream;
      import java.io.IOException;
      import java.io.InputStream;
      import java.math.BigInteger;
      import java.text.DecimalFormat;
      import java.text.NumberFormat;
      import java.util.Iterator;
      import java.util.List;
      import java.util.Map;
      import java.util.Set;
      import org.apache.poi.POIXMLDocument;
      import org.apache.poi.openxml4j.opc.OPCPackage;
      import org.apache.poi.util.IOUtils;
      import org.apache.poi.xwpf.usermodel.XWPFDocument;
      import org.apache.poi.xwpf.usermodel.XWPFParagraph;
      import org.apache.poi.xwpf.usermodel.XWPFRun;
      import org.docx4j.TraversalUtil;
      import org.docx4j.dml.wordprocessingDrawing.Inline;
      import org.docx4j.finders.RangeFinder;
      import org.docx4j.openpackaging.packages.WordprocessingMLPackage;
      import org.docx4j.openpackaging.parts.WordprocessingML.BinaryPartAbstractImage;
      import org.docx4j.openpackaging.parts.WordprocessingML.MainDocumentPart;
      import org.docx4j.wml.Body;
      import org.docx4j.wml.BooleanDefaultTrue;
      import org.docx4j.wml.CTBookmark;
      import org.docx4j.wml.Color;
      import org.docx4j.wml.Document;
      import org.docx4j.wml.Drawing;
      import org.docx4j.wml.HpsMeasure;
      import org.docx4j.wml.ObjectFactory;
      import org.docx4j.wml.P;
      import org.docx4j.wml.R;
      import org.docx4j.wml.RPr;
      import org.jfree.chart.ChartFactory;
      import org.jfree.chart.ChartUtilities;
      import org.jfree.chart.JFreeChart;
      import org.jfree.chart.labels.StandardPieSectionLabelGenerator;
      import org.jfree.chart.plot.PiePlot;
      import org.jfree.chart.title.TextTitle;
      import org.jfree.data.general.DefaultPieDataset;import com.aisino.qysds.common.constant.ERRORConstants;
      import com.aisino.qysds.common.exception.SysException;
      import com.aisino.qysds.service.IExportBgService;
      import com.google.common.collect.Maps;
      public class ExportBgServiceImpl {
      public static void main(String[] args) throws Exception {
          Map<String, String> map = Maps.newHashMap();
          map.put("$1", "1231");
          XWPFDocument document = new XWPFDocument(POIXMLDocument.openPackage("D:\\tp\\test.docx"));
          Iterator<XWPFParagraph> itPara = document.getParagraphsIterator();
          while (itPara.hasNext()) {
            XWPFParagraph paragraph = (XWPFParagraph) itPara.next();
            List<XWPFRun> runs = paragraph.getRuns();
            for (int i = 0; i < runs.size(); i++) {
              String oneparaString = runs.get(i).getText(runs.get(i).getTextPosition());
              for (Map.Entry<String, String> entry : map.entrySet()) {
                if (oneparaString.equals(entry.getKey())) {
                  oneparaString = oneparaString.replace(entry.getKey(), entry.getValue());
                }
              }
              runs.get(i).setText(oneparaString, 0);
            }
          }
          FileOutputStream outStream = null;
          outStream = new FileOutputStream("D:\\tp\\test1.docx");
          document.write(outStream);
          outStream.close();
      //-----------------------------------这块为生成图片 和 插入图片
          DefaultPieDataset dataset = new DefaultPieDataset();
          dataset.setValue("修改类", 1);
          dataset.setValue("提示类", 1);
          dataset.setValue("校验不通过", 3);
          dataset.setValue("正常类", 3);
          JFreeChart chart = ChartFactory.createPieChart3D(null, dataset, true, false, false);
          chart.getLegend().setItemFont(new Font("黑体", Font.BOLD, 15)); // 设置图例类别字体
          // TextTitle title = new TextTitle(titleString);
          // title.setFont(new Font("黑体", Font.ITALIC, 20));//设置标题字体
          // chart.setTitle(title);
          PiePlot piePlot = (PiePlot) chart.getPlot();
          DecimalFormat df = new DecimalFormat("0.00%");
          NumberFormat nf = NumberFormat.getInstance();
          StandardPieSectionLabelGenerator generator = new StandardPieSectionLabelGenerator("{0} {2}", nf, df);// 获得StandardPieSectionLabelGenerator对象,生成的格式,
          // {0}表示section名,{1}表示section的值,{2}表示百分比。可以自定义
          piePlot.setLabelGenerator(generator);// 设置百分比
          piePlot.setLabelFont(new Font("黑体", Font.ITALIC, 15));// 设置饼图中类别字体
          piePlot.setNoDataMessage("此时并没有任何数据可用");
          piePlot.setCircular(false);
          piePlot.setLabelGap(0.02D);
          piePlot.setIgnoreNullValues(true);// 设置不显示空位
          piePlot.setIgnoreZeroValues(true);// 设置不显示负值或零值
          String fName = "pie.png";
          File file = new File("D:\\tp", fName);
          if (file.exists()) {
            file.delete();
          }
          try {
            ChartUtilities.saveChartAsPNG(file, chart, 800, 500);
            File file2 = new File("D:\\tp\\test1.docx");
            WordprocessingMLPackage wPackage = WordprocessingMLPackage.load(new FileInputStream(file2));
            MainDocumentPart mainDocumentPart = wPackage.getMainDocumentPart();
            Document wmlDoc = (Document) mainDocumentPart.getJaxbElement();
            Body body = wmlDoc.getBody();
            // 提取正文中所有段落
            List<Object> paragraphs = body.getContent();
            // 提取书签并创建书签的游标
            RangeFinder rt = new RangeFinder("CTBookmark", "CTMarkupRange");
            new TraversalUtil(paragraphs, rt);
            for (CTBookmark bm : rt.getStarts()) {
              if (bm.getName().equals("test")) {// 这里的test为 word文档中预设的 书签名
                InputStream inputStream = new FileInputStream(file);
                byte[] bytes = IOUtils.toByteArray(inputStream);
                BinaryPartAbstractImage imagePart = BinaryPartAbstractImage.createImagePart(wPackage, bytes);
                Inline inline = imagePart.createImageInline(null, null, 0, 1, false, 10000);//这里的100000不是正常屏幕大小,用于设置插入图片的大小
                P p = (P) (bm.getParent());
                ObjectFactory factory = new ObjectFactory();
                // R对象是匿名的复杂类型,然而我并不知道具体啥意思,估计这个要好好去看看ooxml才知道
                R run = factory.createR();
                // drawing理解为画布?
                Drawing drawing = factory.createDrawing();
                drawing.getAnchorOrInline().add(inline);
                run.getContent().add(drawing);
                p.getContent().add(run);
              }
            }
            wPackage.save(new FileOutputStream(new File("D:\\tp\\test1.docx")));
          } catch (IOException e) {
          }
        }
      }

      最后效果图如下:

      java简单操作word实例

      本文为大家分享了java简单操作word例子,供大家参考,具体内容如下

      package apache.poi;
      
      import java.io.ByteArrayInputStream;
      import java.io.ByteArrayOutputStream;
      import java.io.File;
      import java.io.FileInputStream;
      import java.io.FileOutputStream;
      import java.io.IOException;
      import java.io.OutputStream;
      import java.util.HashMap;
      import java.util.Map;
      
      import org.apache.poi.hwpf.HWPFDocument;
      import org.apache.poi.hwpf.usermodel.Range;
      import org.apache.poi.poifs.filesystem.DirectoryEntry;
      import org.apache.poi.poifs.filesystem.POIFSFileSystem;
      
      
      public class ExportDocTest {
        
        public static void main(String[] args) {
          String destFile="D:\\11.doc";
          //#####################根据自定义内容导出Word文档#################################################
          StringBuffer fileCon=new StringBuffer();
          fileCon.append("        张大炮      男       317258963215223\n" +
              "2011   09    2013   07    3\n" +
              "  二炮研究       成人\n" +
              "2013000001               2013   07   08");
          fileCon.append("\n\r\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n");
          
          new ExportDocTest().exportDoc(destFile, fileCon.toString());
          
          //##################根据Word模板导出单个Word文档###################################################
          Map<String, String> map=new HashMap<String, String>();
          
          map.put("name", "Zues");
          map.put("sex", "男");
          map.put("idCard", "200010");
          map.put("year1", "2000");
          map.put("month1", "07");
          map.put("year2", "2008");
          map.put("month2", "07");
          map.put("gap", "2");
          map.put("zhuanye", "计算机科学与技术");
          map.put("type", "研究生");
          map.put("bianhao", "2011020301");
          map.put("nowy", "2011");
          map.put("nowm", "01");
          map.put("nowd", "20220301");
          //注意biyezheng_moban.doc文档位置,此例中为应用根目录
          HWPFDocument document=new ExportDocTest().replaceDoc("biyezheng_moban.doc", map);
          ByteArrayOutputStream ostream = new ByteArrayOutputStream();
          try {
            document.write(ostream);
            //输出word文件
            OutputStream outs=new FileOutputStream(destFile);
            outs.write(ostream.toByteArray());
            outs.close();
          } catch (IOException e) {
            e.printStackTrace();
          }
          
        }
        
        
        /**
         * 
         * @param destFile
         * @param fileCon
         */
        public void exportDoc(String destFile,String fileCon){
          try {
            //doc content
            ByteArrayInputStream bais = new ByteArrayInputStream(fileCon.getBytes());
            POIFSFileSystem fs = new POIFSFileSystem();
            DirectoryEntry directory = fs.getRoot(); 
            directory.createDocument("WordDocument", bais);
            FileOutputStream ostream = new FileOutputStream(destFile);
            fs.writeFilesystem(ostream);
            bais.close();
            ostream.close();
            
          } catch (IOException e) {
            e.printStackTrace();
          }
        }
        
        
        /**
         * 读取word模板并替换变量
         * @param srcPath
         * @param map
         * @return
         */
        public HWPFDocument replaceDoc(String srcPath, Map<String, String> map) {
          try {
            // 读取word模板
            FileInputStream fis = new FileInputStream(new File(srcPath));
            HWPFDocument doc = new HWPFDocument(fis);
            // 读取word文本内容
            Range bodyRange = doc.getRange();
            // 替换文本内容
            for (Map.Entry<String, String> entry : map.entrySet()) {
              bodyRange.replaceText("${" + entry.getKey() + "}", entry
                  .getValue());
            }
            return doc;
          } catch (Exception e) {
            e.printStackTrace();
            return null;
          }
        }
      
      }
      

      以上就是本文的全部内容,希望对大家的学习有所帮助。

      以上就是本次介绍的神经网络电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:Elasticsearch集成Hadoop最佳实践

      下一篇:Ansible快速入门:技术原理与实战

      展开 +

      收起 -

      下载地址:百度网盘下载
      神经网络 相关电子书
      Java常用算法手册(第3版)
      Java常用算法手册(第3版) PDF 超清版

      Java常用算法手册是程序设计的基础和灵魂,编程水平高低的集中体现。历经三次改版,销量达万册;完整源代码和配套视频与图书内容相辅相成。

      立即下载
      数据结构与算法经典问题解析:Java语言描述
      数据结构与算法经典问题解析:Java语言描述 PDF 第2版

      数据结构与算法经典问题解析:Java语言描述(原书第2版) 是一本数据结构方面的优秀教材,以Java为描述语言,介绍了计算机编程中使用的数据结构和算法。本书强调问题及其分析,而非理论阐

      立即下载
      Java遗传算法编程
      Java遗传算法编程 PDF 完整中文版

      本书简单、直接地介绍了遗传算法,并且针对所讨论的示例问题,给出了Java代码的算法实现。全书共分为6章。本书适合机器学习爱好者阅读,尤其适合对遗传算法的理论和实现感兴趣的读者阅

      立即下载
      数据结构与算法分析:Java语言描述
      数据结构与算法分析:Java语言描述 PDF 第3版

      数据结构:Java语言描述(原书第3版) 是国外数据结构与算法分析方面的经典教材,使用卓越的Java编程语言作为实现工具讨论了数据结构(组织大量数据的方法)和算法分析(对算法运行时间的估

      立即下载
      学习JavaScript数据结构与算法(第3版)
      学习JavaScript数据结构与算法(第3版) PDF 完整高清版 立即下载
      深度学习:卷积神经网络从入门到精通
      深度学习:卷积神经网络从入门到精通 PDF 原书扫描版 立即下载
      读者心得
      51小时26分钟前回答

      Python中关于numpy灵活定义神经网络结构的实例

      这篇文章主要介绍了Python基于numpy灵活定义神经网络结构的方法,结合实例形式分析了神经网络结构的原理及Python具体实现方法,涉及Python使用numpy扩展进行数学运算的相关操作技巧,需要的朋友可以参考下 本文实例讲述了Python基于numpy灵活定义神经网络结构的方法。分享给大家供大家参考,具体如下: 用numpy可以灵活定义神经网络结构,还可以应用numpy强大的矩阵运算功能! 一、用法 1). 定义一个三层神经网络: '''示例一'''nn = NeuralNetworks([3,4,2]) # 定义神经网络nn.fit(X,y) # 拟合print(nn.predict(X)) #预测 说明: 输入层节点数目:3 隐藏层节点数目:4 输出层节点数目:2 2).定义一个五层神经网络: '''示例二'''……

      34小时33分钟前回答

      python实现BP神经网络回归预测模型

      神经网络模型一般用来做分类,回归预测模型不常见,本文基于一个用来分类的BP神经网络,对它进行修改,实现了一个回归模型,用来做室内定位。模型主要变化是去掉了第三层的非线性转换,或者说把非线性激活函数Sigmoid换成f(x)=x函数。这样做的主要原因是Sigmoid函数的输出范围太小,在0-1之间,而回归模型的输出范围较大。模型修改如下: 代码如下: #coding: utf8''''author: Huangyuliang'''import jsonimport randomimport sysimport numpy as np #### Define the quadratic and cross-entropy cost functionsclass CrossEntropyCost(object): @staticmethod def fn(a, y): return np.sum(np.nan_to_num(-y*np.log(a)-(1-y)*np.log(1-a))) @staticmethod def delta(z, a, y): return (a-y) #### Ma……

      码农之家

      徐安福 提供上传

      资源
      10
      粉丝
      17
      喜欢
      274
      评论
      1

      Copyright 2018-2021 www.xz577.com 码农之家

      版权投诉 / 书籍推广:520161757@qq.com