C#神经网络编程

作品简介

本书遵循循序渐进、兼顾理论和实践的原则，从神经网络的基本概念入手，图文并茂地讲解激活函数和后向传播等概念、原理，以面部和运动检测为例，让读者直观地了解深度学习的应用场景，并详细讲述决策树、随机森林等常规机器学习算法，还重点讲解了LSTM、CNN神经网络等主流算法。在代码实践方面，作者为每个算法都编写了相应的程序，并配有详细注释，细致讲解代码内容，让读者容易抓住重点，快速动手编程。同时，本书比较注重开发细节，作为资深项目开发人员，作者细致分析了编程过程中会碰到的问题，详细介绍了神经网络结构调整、参数调优的原则，并对各种神经网络算法优劣进行了比较，对程序员实际动手有很强的参考意义。此外，本书还对常用的激活函数的函数形式、数学图像进行了系统梳理，读者可以在附录中方便地查询相关的函数特性。本书是一本集原理、实践与资料查询于一体的优秀书籍。

马特·R.科尔（Matt R.Cole），是一名经验丰富的开发人员和作者，在Microsoft Windows、C、C++、C#和.NET方面有30年的经验。他是Evolved AI Solutions公司的老板，该公司是高级机器学习/生物AI技术的主要供应商。他开发了第一个完全用C#和.NET编写的企业级微服务框架，该框架被纽约一家大型对冲基金生产。他还开发了第一个完全整合镜像和标准神经元的生物人工智能框架。

作品目录

• 译者序
• 前言
• 关于作者
• 关于审校者
• 第1章　快速预览
• 1.1　神经网络概述
• 1.2　神经网络在当今企业中的作用
• 1.3　学习的类型
• 1.4　了解感知器
• 1.5　了解激活函数
• 1.6　了解后向传播
• 1.7　小结
• 1.8　参考文献
• 第2章　构建第一个神经网络
• 2.1　一个简单的神经网络
• 2.2　神经网络训练
• 2.3　神经网络函数
• 2.4　神经网络
• 2.5　例子
• 2.6　小结
• 第3章　决策树和随机森林
• 3.1　决策树
• 3.2　随机森林
• 3.3　SharpLearning
• 3.4　示例代码和应用程序
• 3.5　小结
• 3.6　参考文献
• 第4章　面部和运动检测
• 4.1　面部检测
• 4.2　运动检测
• 4.3　小结
• 第5章　使用ConvNetSharp训练CNN
• 5.1　热身
• 5.2　过滤器
• 5.3　创建网络
• 5.4　GPU
• 5.5　使用MNIST数据集进行流畅设计训练
• 5.6　训练网络
• 5.7　小结
• 5.8　参考文献
• 第6章　使用RNNSharp训练自动编码器
• 6.1　什么是自动编码器
• 6.2　自动编码器的分类
• 6.3　创建自己的自动编码器
• 6.4　小结
• 6.5　参考文献
• 第7章　用PSO代替后向传播
• 7.1　基础理论
• 7.2　用粒子群优化算法代替后向传播
• 7.3　小结
• 第8章　函数优化
• 8.1　入门
• 8.2　函数最小化和最大化
• 8.3　超参数和调参
• 8.4　可视化
• 8.5　绘制结果
• 8.6　添加新的优化函数
• 8.7　小结
• 第9章　寻找最佳参数
• 9.1　优化
• 9.2　优化方法
• 9.3　并行
• 9.4　小结
• 9.5　参考文献
• 第10章　使用TensorFlowSharp进行对象检测
• 10.1　使用张量
• 10.2　开发自己的TensorFlow应用程序
• 10.3　检测图像
• 10.4　小结
• 10.5　参考文献
• 第11章　使用CNTK进行时间序列预测和LSTM
• 11.1　长短期记忆
• 11.2　CNTK术语
• 11.3　示例应用程序
• 11.4　LSTM的表现
• 11.5　小结
• 11.6　参考文献
• 第12章　GRU与LSTM、RNN和前馈神经网络
• 12.1　QuickNN
• 12.2　了解GRU
• 12.3　LSTM和GRU之间的差别
• 12.4　构建不同的网络
• 12.5　比较LSTM、GRU、前馈和RNN网络的相关操作
• 12.6　网络差异
• 12.7　小结
• 附录A　激活函数
• 附录B　函数优化参考