神经网络:R语言实现

(副标题)：无 ;

(作者): Balaji Venkateswaran ;

内容简介：

​ 1.1　简介
大脑是人体最重要的器官。它是我们执行所有功能的中央处理单元。大脑只有1.5kg，拥有约860亿个神经元。神经元被定义为传递神经刺激或电化学信号的细胞。大脑是一个复杂的神经元网络，它通过几个相互关联的神经元系统来处理信息。了解大脑的功能一直是一项艰巨的任务。然而，由于计算技术的进步，现在可以人为编程神经网络。
ANN的工作原理源于模拟同样正在试图解决问题的人脑的功能这一想法。相关常规方法的缺点以及ANN连续应用的问题已经在明确的技术环境中得到克服。
AI或机器智能旨在将认知能力赋予计算机，通过编程来学习和解决问题。其目的是模拟具有人类智能的计算机。AI不能完全模拟人的智慧；计算机只能通过程序来完成人脑某些方面的工作。
机器学习是AI的一个分支，它帮助计算机根据输入数据对自己进行编程。机器学习使AI能够基于数据解决问题。ANN是机器学习算法的一个例子。
深度学习（Deep learning，DL）是具有更多处理层的复杂神经网络集，开发过程高度抽象。DL通常用于复杂的任务，如图像识别、图像分类和手写识别。
大多数读者认为神经网络难以学习并将其当作黑匣子。本书打算打开这个黑匣子，帮助读者学习神经网络在R中的内部实现。通过知识管理，读者可以看到许多，神经网络发挥重要作用的场景，见下图。

目录预览：

​ 神经网络：R语言实现
第1章 神经网络和人工智能概念
1.1 简介
1.2 神经网络的灵感
1.3 神经网络的工作原理
1.4 分层方法
1.5 权重和偏差
1.6 训练神经网络
1.7 epoch
1.8 激活函数
1.9 不同的激活函数
1.10 使用哪些激活函数
1.11 感知机和多层架构
1.12 前向和反向传播
1.13 逐步说明神经网络和激活函数
1.14 前馈和反馈网络
1.15 梯度下降
1.16 神经网络分类法
1.17 使用R语言神经网络添加包neuralnet()的简单示例
1.18 使用添加包nnet()进行实现
........