本文介绍了神经网络的发展历程，从McCulloch-Pitts神经元到感知器，再到多层感知器，重点讨论了使用Java库实现神经网络，如Neuroph、Encog和Deeplearning4j。通过XOR问题的解决，展示了如何应用反向传播算法进行学习。这些Java库简化了神经网络的开发，适合开发者快速实现和训练神经网络。
原文：Learning Neural Networks Using Java Libraries
作者：
Daniela Kolarova
翻译：lloog
译者注：作者介绍了神经网络的进化历史，总结了流行的Java神经网络库，以及实现神经网络的方法 。
作为开发人员，我们习惯从用命令或函数的角度来思考问题。程序由任务组成，每个任务都包含一些编程结构。神经网络不同于这种编程方法，因为它加入了自动任务改进的概念，或者类似于大脑的学习和改进的能力。换句话说，神经网络在没有特定任务编程的情况下主动学习新的活动。
本教程不是教你从头开始编写神经网络的教程，而是介绍结合Java代码的神经网络。本文主要内容是首先介绍神经网络的发展从McCulloch和Pitt的神经元开始，然后通过Hebb的发现，实现了Rosenblatt的感知器来增强它，并说明了它为什么不能解决XOR问题。其次介绍了通过连接神经元，生成一个多层感知器，并通过应用反向传播算法进行学习，从而实现XOR问题的解决方案。最后在演示神经网络实现、训练算法和测试之后，介绍利用一些致力于深度学习的开源Java ML框架如Neuroph、Encog和Deeplearning4j来快速实现神经网络:</
最低0.47元/天 解锁文章
1685
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
