Создаем нейронную сеть (полноцветное издание)

[html]Книга "Создаем нейронную сеть" представляет собой введение в теорию и практику создания нейронных сетей. Она предназначена для тех, кто хочет узнать, что такое нейронные сети, где они применяются и как самому создать такую сеть, не имея опыта работы в данной области. Автор простым и понятным языком объясняет теоретические аспекты, знание которых необходимо для понимания принципов функционирования нейронных сетей и написания соответствующих программных инструкций. Изложение материала сопровождается подробным описанием процедуры поэтапного создания полностью функционального кода, который реализует нейронную сеть на языке Python и способен выполняться даже на таком миниатюрном компьютере, как Raspberry Pi Zero.Основные темы книги "Создаем нейронную сеть":- нейронные сети и системы искусственного интеллекта;- структура нейронных сетей;- сглаживание сигналов, распространяющихся по нейронной сети, с помощью функции активации;- тренировка и тестирование нейронных сетей;- интерактивная среда программирования IPython;- использование нейронных сетей в качестве классификаторов объектов;- распознавание образов с помощью нейронных сетей.Об авторе:Тарик Рашид - специалист в области количественного анализа данных и разработки решений на базе продуктов с открытым исходным кодом.Имеет ученую степень по физике и степень магистра по специальности "Machine Learning and Data Mining". Проживая в Лондоне, он возглавляет местную группу разработчиков Python (насчитывающую около 3000 участников), организует многочисленные семинары и часто выступает с докладами на международных конференциях.Содержание книги Тарик Рашид "Создаем нейронную сеть"Об авторе 9Пролог 10Попытки создания разумных машин 10Природа вдохновила новый золотой век 11Введение 14Для кого предназначена эта книга 14Что мы будем делать 15Как мы будем это делать 16Дополнительные замечания 17Ждем ваших отзывов! 18Глава 1. Как работают нейронные сети 19Что легко одному, трудно другому 19Простая прогнозирующая машина 21Задачи классификации и прогнозирования очень близки 28Тренировка простого классификатора 33Иногда одного классификатора недостаточно 44Нейроны - вычислительные машины, созданные природой 51Распространение сигналов по нейронной сети 62Какая все-таки отличная вещь - умножение матриц! 68Пример использования матричного умноженияв сети с тремя слоями 76Корректировка весовых коэффициентов в процессе обучениянейронной сети 85Обратное распространение ошибок от большего количествавыходных узлов 88Обратное распространение ошибок при большомколичестве слоев 91Описание обратного распространения ошибокс помощью матричной алгебры 96Как мы фактически обновляем весовые коэффициенты 100Пример обновления весовых коэффициентов 121Подготовка данных 122Входные значения 123Выходные значения 124Случайные начальные значения весовых коэффициентов 125Глава 2. Создаем нейронную сеть на Python 129Python 129Интерактивный Python = IPython 130Простое введение в Python 131Блокноты 132Python - это просто 133Автоматизация работы 137Комментарии 140Функции 140Массивы 144Графическое представление массивов 147Объекты 149Проект нейронной сети на Python 157Скелет кода 157Инициализация сети 158Весовые коэффициенты - сердце сети 161По желанию: улучшенный вариант инициализациивесовых коэффициентов 163Опрос сети 164Текущее состояние кода 167Тренировка сети 170Полный код нейронной сети 173Набор рукописных цифр MNIST 176Подготовка тренировочных данных MNIST 185Тестирование нейронной сети 193Тренировка и тестирование нейронной сетис использованием полной базы данных 198Улучшение результатов: настройка коэффициента обучения 200Улучшение результатов: многократное повторениетренировочных циклов 202Изменение конфигурации сети 205Подведем итоги 207Окончательный вариант кода 208Глава 3. Несколько интересных проектов 213Собственный рукописный текст 213Проникнем в "мозг" нейронной сети 217Загадочный черный ящик 217Обратные запросы 218Маркер "0" 219Остальные изображения 221Создание новых тренировочных данных: вращения 222Эпилог 229Приложение А. Краткое введение в дифференциальноеисчисление 231Прямая линия 232Наклонная прямая линия 235Кривая линия 237Применение дифференциального исчисления вручную 239Усовершенствованный способ применения дифференциальногоисчисления, допускающий автоматизацию 241Дифференциальное исчисление без использования графиков 246Закономерности 250Функции функций 252Вы освоили дифференциальное исчисление! 255Приложение Б. Нейронная сеть на Raspberry Pi 257Установка IPython 258Проверка работоспособности программ 267Тренировка и тестирование нейронной сети 268Успех Raspberry Pi 269Предметный указатель 270[/html]