Анатолий Постолит | Основы искусственного интеллекта в примерах на Python. 2-е изд. (2023) [PDF, DJVU]

Автор: Анатолий Постолит
Издательство: БХВ
Серия: Самоучитель (BHV)
ISBN: 978-5-9775-1818-5
Жанр: Технологии

Формат: PDF, DJVU
Качество: OCR
Иллюстрации: Черно-белые

Описание:
Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения, и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. Во 2-м издании обновлены программные коды и версии библиотек, улучшены рисунки, учтены пожелания читателей и исправлены ошибки.
Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров.
В издании обновлены программные коды и версии библиотек, улучшены рисунки, учтены пожелания читателей и исправлены ошибки.

Скриншоты:

Время раздачи: по возможности (минимум до появления первых 3-5 скачавших)

Спасибо большое за книгу, довольно практичная как самоучитель, и супер, что есть листинги!

Оглавление

Просмотр доступен только для зарегистрированных пользователей

Будьте внимательны
Та же ошибка в листинге 4.5 на странице 128, что и в первом издании
Код из книги

Код: выделить все

def perceptron(Sensor):
    """
    Функция определяет, является ли полученное изображение числом 5
    Возвращает Да, если распознана 5, нет - если отвергнуто
    """
    b = 7
    s = 0
    # Цикл суммирования сигналов от сенсоров
    for k in range(n_sensors):
        s += int(Sensor[k]) * weights[k]
        # Если сумма превысила порог
        if s >= b:
            return True
        return False

Правильный код

Код: выделить все

def perceptron(Sensor):
    """
    Функция определяет, является ли полученное изображение числом 5
    Возвращает Да, если распознана 5, нет - если отвергнуто
    """
    b = 7
    s = 0
    # Цикл суммирования сигналов от сенсоров
    for k in range(n_sensors):
        s += int(Sensor[k]) * weights[k]
    # Если сумма превысила порог
    if s >= b:
        return True
    return False

Demitrius писал(а):

Будьте внимательны
Та же ошибка в листинге 4.5 на странице 128, что и в первом издании

Они одинаковые.

maxzalmanoff писал(а):

Demitrius писал(а):

Будьте внимательны
Та же ошибка в листинге 4.5 на странице 128, что и в первом издании

Они одинаковые.

Дело в отступах, в питоне вложенность блоков кода выделяют отступами, а не фигурными скобками {}

maxzalmanoff писал(а):

Demitrius писал(а):

Будьте внимательны
Та же ошибка в листинге 4.5 на странице 128, что и в первом издании

Они одинаковые.

В неправильном варианте блок

Код: выделить все

if s >= b:
    return True
return False

крутанётся внутри цикла for, а не вне его после отработки такового. Цикл в результате отработает ровно один раз (результат в переменной s, естественно, будет неверен) и функция пойдёт на выход, возвращая только False и ничего, кроме False.

P.S. А книга очень интересная и познавательная, релизёру огромное спасибо!

В начале автор говорит при обучении без учителя Сеть сама определяет признаки и по ним затем классифицирует объекты. Но когда доходим до примера с ирисами то кормим сеть выборкой с правильным ответом во виде ириса. Не пойму в чём соль. Да и вообще как дошло дело до этих ирисов автор не приводит структуру персептрона. Кури код и думай сам. Сумбурно как то моментами.