(特价书)C#神经网络编程
本书遵循循序渐进、兼顾理论和实践的原则，从神经网络基本概念入手，以图文并茂的形式生动地讲解激活函数和反向传播等概念原理，并以人脸识别和动作检测为例，让读者直观地了解深度学习的应用场景
基本信息
内容简介
作译者
[美]马特·R.科尔（Matt R.Cole） 著：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。
目录
译者序
前言
关于作者
关于审校者
第1章 快速预览 1
1.1 神经网络概述 2
1.1.1 神经网络训练 4
1.1.2 神经网络的结构指南 4
1.2 神经网络在当今企业中的作用 6
1.3 学习的类型 6
1.3.1 有监督学习 7
1.3.2 无监督学习 7
1.3.3 强化学习 7
1.4 了解感知器 7
1.5 了解激活函数 10
1.5.1 激活函数绘图 12
1.5.2 函数绘图 13
1.6 了解后向传播 16
1.7 小结 17
1.8 参考文献 17
前言
关于作者
关于审校者
第1章 快速预览 1
1.1 神经网络概述 2
1.1.1 神经网络训练 4
1.1.2 神经网络的结构指南 4
1.2 神经网络在当今企业中的作用 6
1.3 学习的类型 6
1.3.1 有监督学习 7
1.3.2 无监督学习 7
1.3.3 强化学习 7
1.4 了解感知器 7
1.5 了解激活函数 10
1.5.1 激活函数绘图 12
1.5.2 函数绘图 13
1.6 了解后向传播 16
1.7 小结 17
1.8 参考文献 17
前言
本书将帮助读者学习如何使用C#进行神经网络编程，如何将这种令人兴奋和强大的技术应用到自己的程序中，并向读者示范如何使用开源软件包以及定制软件。我们将从简单的概念和理论入手，深入讲解每个人都能够运用的强大技术。
本书的读者对象
本书面向希望将神经网络技术添加到应用程序中的C#.NET开发人员。
本书的主要内容
第1章提供神经网络的基础知识。
第2章讲解激活函数的概念、目的及其图像形式。我们还将使用开源软件包（如Encog、Aforge和Accord）演示一个小型C#应用程序，并进行可视化呈现。
第3章帮助你理解决策树和随机森林的概念以及使用方法。
第4章学习如何运用Accord.Net机器学习框架连接到本地视频录制设备，通过捕获摄像机视野内任何物体的实时图像，跟踪视野中出现的人脸。
第5章重点关注如何使用开源软件包ConvNetSharp训练CNN，通过示例为读者讲解相关概念。
第6章教你使用开源软件包RNNSharp的自动编码器来解析和处理各种文本语料库。
第7章介绍粒子群优化如何取代神经网络训练方法，如用于训练神经网络的后向传播。
第8章介绍作为每个神经网络重要组成部分的函数优化。
第9章讲解如何使用数字和启发式优化技术轻松地找到神经网络函数的最佳参数。
第10章解析开源软件包TensorFlowSharp。
第11章使用Microsoft认知工具包（以前称为CNTK）以及长短期记忆（LSTM）网络完成时间序列预测。
第12章讲解门控循环单元（GRU），并将其与其他类型的神经网络进行比较。
附录A列出不同的激活函数及其函数图像。
附录B包括不同的优化函数。
学习本书的要求
在本书中，假设读者具有C#.NET的基础知识，熟悉C#.NET软件开发，并且能够熟练使用Microsoft Visual Studio。
本书的读者对象
本书面向希望将神经网络技术添加到应用程序中的C#.NET开发人员。
本书的主要内容
第1章提供神经网络的基础知识。
第2章讲解激活函数的概念、目的及其图像形式。我们还将使用开源软件包（如Encog、Aforge和Accord）演示一个小型C#应用程序，并进行可视化呈现。
第3章帮助你理解决策树和随机森林的概念以及使用方法。
第4章学习如何运用Accord.Net机器学习框架连接到本地视频录制设备，通过捕获摄像机视野内任何物体的实时图像，跟踪视野中出现的人脸。
第5章重点关注如何使用开源软件包ConvNetSharp训练CNN，通过示例为读者讲解相关概念。
第6章教你使用开源软件包RNNSharp的自动编码器来解析和处理各种文本语料库。
第7章介绍粒子群优化如何取代神经网络训练方法，如用于训练神经网络的后向传播。
第8章介绍作为每个神经网络重要组成部分的函数优化。
第9章讲解如何使用数字和启发式优化技术轻松地找到神经网络函数的最佳参数。
第10章解析开源软件包TensorFlowSharp。
第11章使用Microsoft认知工具包（以前称为CNTK）以及长短期记忆（LSTM）网络完成时间序列预测。
第12章讲解门控循环单元（GRU），并将其与其他类型的神经网络进行比较。
附录A列出不同的激活函数及其函数图像。
附录B包括不同的优化函数。
学习本书的要求
在本书中，假设读者具有C#.NET的基础知识，熟悉C#.NET软件开发，并且能够熟练使用Microsoft Visual Studio。
媒体评论
在过去几年里，神经网络华丽回归，并为人工智能领域带来了重大的创新。
本书旨在为C#程序员使用神经网络、CNTK等C#库和TensorFlowSharp解决复杂的计算问题时，提供实践指导。本书逐步讲解编程实践，涵盖从数学到理论等神经网络的各个方面，帮助你运用C#和.NET框架构建深度神经网络。
本书从神经网络入门知识开始，详细介绍如何使用Encog、Aforge和Accord搭建一个神经网络，帮助你深入理解神经网络相关概念和技术，例如深度网络、感知器、优化算法、卷积网络和自动解码器。此外，还详细讲解如何向.NET应用程序中添加智能特性，例如面部和运动检测、对象检测和标注、语言理解、知识和智能搜索。
通过阅读本书，你将学到：
理解感知器以及如何运用C#来实现。
使用认知服务训练并可视化神经网络。
运用C#和TensorFlowSharp对物体进行图像识别和标注。
使用Accord.Net检测面部等特定图像特征。
针对简单异或问题和Encog演示粒子群优化。
使用ConvNetSharp训练卷积神经网络。
运用数字和启发式优化技术为神经网络函数寻找最优参数。
本书旨在为C#程序员使用神经网络、CNTK等C#库和TensorFlowSharp解决复杂的计算问题时，提供实践指导。本书逐步讲解编程实践，涵盖从数学到理论等神经网络的各个方面，帮助你运用C#和.NET框架构建深度神经网络。
本书从神经网络入门知识开始，详细介绍如何使用Encog、Aforge和Accord搭建一个神经网络，帮助你深入理解神经网络相关概念和技术，例如深度网络、感知器、优化算法、卷积网络和自动解码器。此外，还详细讲解如何向.NET应用程序中添加智能特性，例如面部和运动检测、对象检测和标注、语言理解、知识和智能搜索。
通过阅读本书，你将学到：
理解感知器以及如何运用C#来实现。
使用认知服务训练并可视化神经网络。
运用C#和TensorFlowSharp对物体进行图像识别和标注。
使用Accord.Net检测面部等特定图像特征。
针对简单异或问题和Encog演示粒子群优化。
使用ConvNetSharp训练卷积神经网络。
运用数字和启发式优化技术为神经网络函数寻找最优参数。
