Тарик Рашид - Создаём нейронную сеть
Название: | Создаём нейронную сеть | |
Автор: | Тарик Рашид | |
Жанр: | Научно-популярная и научно-познавательная литература, Искусственный интеллект | |
Изадано в серии: | неизвестно | |
Издательство: | Альфа-книга | |
Год издания: | 2017 | |
ISBN: | 978599094457 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Создаём нейронную сеть"
Аннотация к этой книге отсутствует.
Читаем онлайн "Создаём нейронную сеть". [Страница - 19]
IPython и создания кода, позволяющего тре
нировать и тестировать нейронные сети. Просто все выполняется не
много медленнее!
Успех Raspberry Pi
269
Предметный указатель
А
Anaconda, 130
С
Chromium, 262
CSV-файл, 177
Е
Epiphany, 262
I
IPython, 130
установка, 258
J
Jupyter Notebook, 130; 263
M
MNIST, 176; 215; 222; 264
тренировочный набор, 185
Р
Python, 129
R
Raspberry Pi, 130; 257
Raspbian, 258
A
Аксон, 58
Алгоритм, 21; 36
Анонимная функция, 166
Асимптота, 124
Б
Библиотека
matplotlib.pyplot, 148
numpy, 145
scipy, 165
scipy.misc, 215
Блокнот, 132
Булева функция, 45
В
Векторизация, 96
Весовой коэффициент, 60; 64; 78;
100;161
инициализация, 125; 163
Внутреннее произведение, 73
Входной порог, 55
Вызов функции, 142
Г
Гиперболический тангенс, 126
Глубокое обучение, 229
Градиентный спуск, 103
д
Дендрит, 52; 58
Дескриптор, 180
Дифференциальное исчисление,
110;231
И
Импорт, 148
Итеративный процесс, 27
К
Касательная, 240
Класс, 150
Классификатор, 28
линейный, 44
тренировка, 33
Комментарий, 140
Константа, 250
Коэффициент обучения, 119;
205;225
настройка, 200
л
Линейная зависимость, 23
Линейный классификатор, 44
Логистическая функция, 56
Лямбда-выражение, 166
М
Маркер, 178
Массив, 144
графическое представление, 147
нумерация элементов, 147
Матрица, 68
Машинное обучение, 41
Метод, 153
градиентного спуска, 103
грубой силы, 101
Н
Наклон, 236; 241
Насыщение нейронной сети, 123
Нейрон,51
Нейронная сеть, 153; 157
инициализация, 158
опрос, 164
способность к обучению, 206
тестирование, 193; 198
тренировка, 170; 198; 202; 268
О
Обратное распространение
ошибок, 88; 91; 117
Обратный запрос, 218
Объект, 149
Ошибка, 24; 36; 86
П
Переменная,136
Переобучение, 203
Предиктор, 21; 44
Приращение, 241
Производная, 234; 250
Р
Распознавание образов, 176
Рукописные цифры, 176; 213
вращение, 222
С
Сглаживание, 41; 66
Сигмоида, 55; 65; 81; 117; 165
Скалярное произведение, 73
Скорость обучения, 42
Скрытый слой, 77; 205
Способность к обучению, 206
Ступенчатая функция, 54
Т
Терминаль, 52; 58
Тестовый набор, 177
Точечное произведение, 73
Точка разрыва, 106
Транспонирование, 98
Трансцендентные числа, 56
Тренировка
классификатора, 33
нейронной сети ,170; 198;
202;268
Тренировочный набор, 177
У
Угловой коэффициент, 236
Ф
Функция, 140; 252
1еп(), 182
list(), 137
matplotlib.pyplot.imshow(), 148
numpy.argmax(), 197
numpy.asfarrayO, 183
numpy.dot(), 165
numpy.random.normal(), 163
numpy.random.randO, 161
numpy.zeros(), 145; 189
open(), 180
Предметный указатель
271
ц
pow(), 164
print(), 133
readlines(), 181
reshape(), 184
scipy.misc.imread(), 215
scipy.ndimage.interpolation.
rotate(), 223
scipy.special.expit(), 165
scipy.special.logit(), 219
spit(), 183
активации,54; 66
анонимная, 166
вызов, 142
параметры, 154
272
Предметный указатель
Цепное правило, 252
Цикл, 138
Ч
Черный ящик, 217
Э
Эпоха, 202; 225
Эффективность, 199; 225
Я
Ячейка, 132
--">
нировать и тестировать нейронные сети. Просто все выполняется не
много медленнее!
Успех Raspberry Pi
269
Предметный указатель
А
Anaconda, 130
С
Chromium, 262
CSV-файл, 177
Е
Epiphany, 262
I
IPython, 130
установка, 258
J
Jupyter Notebook, 130; 263
M
MNIST, 176; 215; 222; 264
тренировочный набор, 185
Р
Python, 129
R
Raspberry Pi, 130; 257
Raspbian, 258
A
Аксон, 58
Алгоритм, 21; 36
Анонимная функция, 166
Асимптота, 124
Б
Библиотека
matplotlib.pyplot, 148
numpy, 145
scipy, 165
scipy.misc, 215
Блокнот, 132
Булева функция, 45
В
Векторизация, 96
Весовой коэффициент, 60; 64; 78;
100;161
инициализация, 125; 163
Внутреннее произведение, 73
Входной порог, 55
Вызов функции, 142
Г
Гиперболический тангенс, 126
Глубокое обучение, 229
Градиентный спуск, 103
д
Дендрит, 52; 58
Дескриптор, 180
Дифференциальное исчисление,
110;231
И
Импорт, 148
Итеративный процесс, 27
К
Касательная, 240
Класс, 150
Классификатор, 28
линейный, 44
тренировка, 33
Комментарий, 140
Константа, 250
Коэффициент обучения, 119;
205;225
настройка, 200
л
Линейная зависимость, 23
Линейный классификатор, 44
Логистическая функция, 56
Лямбда-выражение, 166
М
Маркер, 178
Массив, 144
графическое представление, 147
нумерация элементов, 147
Матрица, 68
Машинное обучение, 41
Метод, 153
градиентного спуска, 103
грубой силы, 101
Н
Наклон, 236; 241
Насыщение нейронной сети, 123
Нейрон,51
Нейронная сеть, 153; 157
инициализация, 158
опрос, 164
способность к обучению, 206
тестирование, 193; 198
тренировка, 170; 198; 202; 268
О
Обратное распространение
ошибок, 88; 91; 117
Обратный запрос, 218
Объект, 149
Ошибка, 24; 36; 86
П
Переменная,136
Переобучение, 203
Предиктор, 21; 44
Приращение, 241
Производная, 234; 250
Р
Распознавание образов, 176
Рукописные цифры, 176; 213
вращение, 222
С
Сглаживание, 41; 66
Сигмоида, 55; 65; 81; 117; 165
Скалярное произведение, 73
Скорость обучения, 42
Скрытый слой, 77; 205
Способность к обучению, 206
Ступенчатая функция, 54
Т
Терминаль, 52; 58
Тестовый набор, 177
Точечное произведение, 73
Точка разрыва, 106
Транспонирование, 98
Трансцендентные числа, 56
Тренировка
классификатора, 33
нейронной сети ,170; 198;
202;268
Тренировочный набор, 177
У
Угловой коэффициент, 236
Ф
Функция, 140; 252
1еп(), 182
list(), 137
matplotlib.pyplot.imshow(), 148
numpy.argmax(), 197
numpy.asfarrayO, 183
numpy.dot(), 165
numpy.random.normal(), 163
numpy.random.randO, 161
numpy.zeros(), 145; 189
open(), 180
Предметный указатель
271
ц
pow(), 164
print(), 133
readlines(), 181
reshape(), 184
scipy.misc.imread(), 215
scipy.ndimage.interpolation.
rotate(), 223
scipy.special.expit(), 165
scipy.special.logit(), 219
spit(), 183
активации,54; 66
анонимная, 166
вызов, 142
параметры, 154
272
Предметный указатель
Цепное правило, 252
Цикл, 138
Ч
Черный ящик, 217
Э
Эпоха, 202; 225
Эффективность, 199; 225
Я
Ячейка, 132
--">
Книги схожие с «Создаём нейронную сеть» по жанру, серии, автору или названию:
Лоуренс Гонсалес - Остаться в живых Жанр: Руководства и инструкции Год издания: 2014 |
Геннадий Эдуардович Мирам - Профессия: переводчик Жанр: Научно-популярная и научно-познавательная литература Год издания: 2006 |
Майкл Файер - Абсолютный минимум. Как квантовая теория объясняет наш мир Жанр: Научно-популярная и научно-познавательная литература Год издания: 2015 |
Владимир Андреевич Мезенцев - Ветер Жанр: Научно-популярная и научно-познавательная литература Год издания: 1948 |