Simon Haykin 於1953年獲得英國伯明翰大學博士學位,目前為加拿大McMaster大學電子與計算機工程係教授、通信研究實驗室主任。他是國際電子電氣工程界的著名學者,曾獲得IEEE McNaughton金奬。他是加拿大皇傢學會院士、IEEE會士,在神經網絡、通信、自適應濾波器等領域成果頗豐,著有多部標準教材。
本書是關於神經網絡的全麵的、徹底的、可讀性很強的、最新的論述。全書共15章,主要內容包括Rosenblatt感知器、通過迴歸建立模型、最小均方算法、多層感知器、核方法和徑嚮基函數網絡、支持嚮量機、正則化理論、主分量分析、自組織映射、信息論學習模型、動態規劃、神經動力學、動態係統狀態估計的貝葉斯濾波等。
本書適閤作為高等院校計算機相關專業研究生及本科生的教材,也可供相關領域的工程技術人員參考。
我的研究生課程Neural Networks就是用的本書第二版。因為教授說瞭,他不喜歡更新的第三版。 感覺本書基本涵蓋瞭神經網絡的許多基礎部分和重要方麵。像Back Propagation, Radial-Basis Function,Self-Organizing Maps,以及single neuron中的Hebbian Learning, Competitive L...
評分總體看來,原著的結構性是比較強的,而且原著作者是經過信號處理轉過來的,以LMS作為BP 的引導這塊感覺挺有新意,同時不僅從數學分析方法,更重要的是從貝葉斯估計入手,更容易理解機器學習是一種統計推斷,而不是看起來完美的微積分推導。但是,翻譯的人,對, 就是那個姓申的...
評分模仿生物的神經係統,人類開始設計製造人工神經網絡。人工神經網絡具有很多類似人腦的功能,其中就包括學習功能,也就是機器學習。 小腦在運動的控製和協調中起到瞭非常重要的作用,通常進行得非常平穩並且幾乎毫不費力。在文獻中,已經提到小腦扮演著動態估計的控製者或者神經...
評分這次是第一次通讀瞭整本書,裏麵的很多數學公司推導、部分原理沒看明白,我想大部分第一次讀的人應該也和我差不多吧。 如果作為學習神經網絡的入門書,我想這本可能不太適閤,因為它太多太細,初學者很容易陷入細節受到挫敗感。 但並不是說這本書不好,相反,這本書絕對是經典...
評分這本書還算有點名氣,有不少的AI書籍的參考文獻都提及瞭它。書名雖然是foundation,但卻是偏重於數學的。對於ANN的幾乎所有原理都沒有給齣可以在直覺上理解的原因,比如,為什麼對於w的初始化要隨機且盡可能小;衝嚮量的直觀解釋是什麼;對於分布不均勻的結果類彆應該如何對w正...
技術變革太快瞭
评分渣。
评分窩覺得讀讀AI的東西也很有意思,就覺得自己的腦子有時候也不過如此,添點荷爾濛而已
评分窩覺得讀讀AI的東西也很有意思,就覺得自己的腦子有時候也不過如此,添點荷爾濛而已
评分不是說書不好 是有點難 數學的東西有點多 推薦先看看《統計學習基礎 數據挖掘、推理與預測》
本站所有內容均為互聯網搜索引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度,google,bing,sogou 等
© 2025 onlinetoolsland.com All Rights Reserved. 本本书屋 版权所有