译者序
作者和审校者简介
前言
第1章 神经网络入门
1.1 探索神经网络
1.2 人工神经网络
1.2.1 神经网络是如何组织的
1.2.2 基本元素——人工神经元
1.2.3 赋予神经元生命——激活函数
1.2.4 可变参数——权重
1.2.5 额外参数——偏置
1.2.6 由部分到整体——层
1.2.7 神经网络体系结构
1.2.8 单层网络
1.2.9 多层网络
1.2.10 前馈网络
1.2.11 反馈网络
1.3 从无知到认知——学习过程
1.4 开始编程——神经网络实践
1.5 神经元类
1.6 NeuralLayer类
1.7 ActivationFunction接口
1.8 神经网络类
1.9 运行程序
1.10 本章小结
第2章 神经网络学习
2.1 神经网络的学习能力
2.2 学习模式
2.2.1 监督学习
2.2.2 无监督学习
2.3 学习过程
2.3.1 寻找损失函数最优下降方向
2.3.2 在学习过程中更新权重
2.3.3 计算损失函数
2.3.4 一般误差和总体误差
2.3.5 神经网络的迭代学习什么时候停止比较好
2.4 学习算法示例
2.4.1 δ规则
2.4.2 学习率
2.4.3 实现δ规则
2.4.4 δ规则学习的核心——train和calcNewWeight方法
2.4.5 另一种学习算法——Hebbian学习
2.4.6 学习机
2.5 在实践中理解学习过程
2.6 测试
2.7 本章小结
第3章 感知机和监督学习
第4章 自组织映射
第5章 预报天气
第6章 疾病分类识别
第7章 客户画像聚类
第8章 文本识别
第9章 神经网络优化与调整
第10章 神经网络当前趋势
参考文献

神经网络是人工智能领域最重要的基础模型之一，也是目前非常热门的研究方向——深度学习的核心。作为一门重要的机器学习技术，其已经广泛应用于自动驾驶、机器翻译、语音识别、图像识别等许多前沿领域。而当前人工智能领域的诸多应用平台(如智能客服等)都基于Java服务框架开发，因此，通过Java实现机器学习算法对于业务平台实现真正的智能化非常重要。
法比奥·M.索尔斯、艾伦·M.F.索萨著的《神经网络编程实战(Java语言实现原书第2版)》集神经网络理论、神经网络Java实现及优秀案例于一体，以一种简单易懂、循序渐进的方式介绍神经网络。
本书内容
系统、全面地阐述了神经网络的相关概念、知识点以及神经网络架构的创建过程。
重点介绍了神经网络学习过程的细节，如何用Java实现神经网络特性及设计神经网络架构，如何优化调整神经网络参数等。
提供了基于神经网络Java实现的诸多案例，为解决实践中的问题提供了很好的借鉴。