Берешь описание back propagation и реализуешь на заданном языке. В чем проблема?

Tariq Rashid. Make Your Own Neural Network.

Есть в магазине Amazon кажется по 3.53 долл.

Программные примеры на Python, который чаще всего и употребляется для программирования в области машинного обцчения. Глубокого знания Python не требуется, и вполне реально переписать примеры на другой язык.

Однако запрограммировать свою сеть до уровня функциональности, предоставляемой готовыми библиотеками, вам будет нереально. Поэтому подобная книга не заменит их изучения.

Partisan, человек просит у тебя помощи а ты ему такой «вот книга за 3.53». Как-то не по-Partisanски это - хоть бы своей поделился... Получается, в таком стиле на любой линуксовый вопрос можно отвечать: на амазоне книжка Linux for Dummies, раскошеливайся?

Нужно, чтобы с нуля был закоден нейрон, без библиотек.

https://ru.wikipedia.org/wiki/Искусственный_нейрон

Потом хотелось бы видеть простейшую сеть из этих нейронов, которую обучают методом обратного распространения ошибки.

https://ru.wikipedia.org/wiki/Метод_обратного_распространения_ошибки

Я дал полный и точный ответ на вопрос. Книжку купил себе. Делиться ею нет смысла, так как купить можно больше книг, чем можно прочитать.

купить можно больше книг, чем можно прочитать

Такая жиза, что аж прослезился.

купить можно больше книг, чем можно прочитать.

Напомнило обоснование из оригинальной статьи, почему размер блокчейна - не проблема. Мол, на данный момент RAM автора больше, чем он весит, RAM растет экспоненциально, блокчейн линейно => какие проблемы, вы че.

https://github.com/Kulbear/deep-learning-coursera/blob/master/Neural Networks...

Так бы и сказал по-честному: «не хочу делиться потому что жалко, свои 3.53 отслюнявил капиталистам не для того чтобы товарищ бесплатно почитал». Автор просил скинуть ему хороший гайд, а вы вместо помощи: «сходи купи!». Странный из вас партизан, прям как третий из анекдота

P.S. numpy довольно легко заменяется на костыли при желании. В этом примере пользователю дают функции активации, но их реализация тривиальна, если использование math допустимо.

на курсере курс от Andrew Ng

Пусть сам дипломную пишет.

Пусть сам дипломную пишет.
psv1967
1967

Шо бать, маразм?

Арбайтен стьюдент.

https://causeyourestuck.io/2017/06/12/neural-network-scratch-theory/ Ну и во второй части там реализация. Конечно, ты должен хорошо понимать какой тип данных ты будешь заставлять нейросеть учить и как перевести его во массив чисел. Если это картинки можешь попробовать преобразование Фурье.

Тут довольно понятно написано http://galaxy.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html

Кстати о книгах.

Я привёл книгу с самым элементарным изложением.

Вот существенно более солидная.

Andrew W. Teams. Grokking Deep Learning издательства Manning.

Автор - известный преподаватель в области машинного обучения. Купил её давно, но только сейчас она окончательно дописана и я решил заглянуть. Изложение в книге простое, но с учётом современного состояния теории,и что она послужит основой для дальнейшего изучения темы. В самом конце даётся рекомендация использовать готовые библиотеки. В книге они не описаны (есть отдельные книги), но она помогает понять, как они работают. В частности упоминается библиотека PyTorch , а собственные программные примеры автора напоминают использование PyThorch. (Рассмотреть также Tensorflow и Keras).

Есть на русском неплохая книга - «Глубокое обучение. Погружение в мир нейронных сетей». Правда примеры на tensorflow

Нейронная сеть в эксель

На этой странице можно скачать нейронную сеть в эксель. При небольших знаниях эксель вполне можно разобрать алгоритм расчета и принцип действия. Сеть рабочая, обучается методом Хебба(дельта правило) http://forex-bonus.online/?p=19