《C#神经网络编程》内容简介

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