機器學習與深度學習：通過C語言模擬

前言 

第1章　機器學習1 

1.1　什么是機器學習1 

1.1.1　深度學習的成果1 

1.1.2　學習、機器學習和深度學習6 

1.1.3　機器學習的分類9 

1.1.4　直至深度學習的機器學習歷史15 

1.2　關于本書例題程序的執(zhí)行環(huán)境25 

1.2.1　程序執(zhí)行的流程25 

1.2.2　程序執(zhí)行的實際情況27 

第2章　機器學習基礎31 

2.1　歸納學習31 

2.1.1　演繹學習和歸納學習31 

2.1.2　歸納學習的例題—股票價格的預測32 

2.1.3　基于歸納學習的股價預測程序37 

2.2　強化學習46 

2.2.1　什么是強化學習46 

2.2.2　Q學習—強化學習的具體方法48 

2.2.3　強化學習的例題—走迷宮知識的學習53 

2.2.4　強化學習程序的實現(xiàn)56 

第3章　群體智能與演化方法65 

3.1　群體智能65 

3.1.1　粒子群最優(yōu)化方法65 

3.1.2　蟻群最優(yōu)化方法67 

3.1.3　蟻群最優(yōu)化方法的實現(xiàn)70 

3.2　演化方法81 

3.2.1　什么是演化方法81 

3.2.2　基于遺傳算法的知識獲取84 

第4章　神經網絡101 

4.1　神經網絡基礎101 

4.1.1　人工神經元模型101 

4.1.2　神經網絡與學習105 

4.1.3　神經網絡的種類107 

4.1.4　人工神經元的計算方法108 

4.1.5　神經網絡的計算方法115 

4.2　基于反向傳播的神經網絡的學習121 

4.2.1　感知機的學習過程121 

4.2.2　反向傳播的處理過程123 

4.2.3　反向傳播的實現(xiàn)125 

第5章　深度學習139 

5.1　什么是深度學習139 

5.1.1　傳統(tǒng)神經網絡的局限和深度學習的思路139 

5.1.2　卷積神經網絡142 

5.1.3　自編碼器的學習方法145 

5.2　深度學習的實現(xiàn)147 

5.2.1　卷積運算的實現(xiàn)148 

5.2.2　卷積神經網絡的實現(xiàn)156 

5.2.3　自編碼器的實現(xiàn)170 

附錄A　生成行李的重量和價值的程序183 

附錄B　通過全搜索求解背包問題的程序185 

參考文獻189