亚洲日本久久久一区二区,国产∨亚洲∨日韩∨欧美∨综合在线

     神經(jīng)網(wǎng)絡(luò)是計算智能和機器學習的重要分支，在諸多領(lǐng)域都取得了很大的成功。在眾多神經(jīng)網(wǎng)絡(luò)著作中，影響最為廣泛的是Simon Haykin的《神經(jīng)網(wǎng)絡(luò)原理》（第3版更名為《神經(jīng)網(wǎng)絡(luò)與機器學習》）。在本書中，作者結(jié)合近年來神經(jīng)網(wǎng)絡(luò)和機器學習的最新進展，從理論和實際應用出發(fā)，全面、系統(tǒng)地介紹了神經(jīng)網(wǎng)絡(luò)的基本模型、方法和技術(shù)，并將神經(jīng)網(wǎng)絡(luò)和機器學習有機地結(jié)合在一起。
    本書不但注重對數(shù)學分析方法和理論的探討，而且也非常關(guān)注神經(jīng)網(wǎng)絡(luò)在模式識別、信號處理以及控制系統(tǒng)等實際工程問題的應用。本書的可讀性非常強，作者舉重若輕地對神經(jīng)網(wǎng)絡(luò)的基本模型和主要學習理論進行了深入探討和分析，通過大量的試驗報告、例題和習題來幫助讀者更好地學習神經(jīng)網(wǎng)絡(luò)。
    本版在前一版的基礎(chǔ)上進行了廣泛修訂，提供了神經(jīng)網(wǎng)絡(luò)和機器學習這兩個越來越重要的學科的最新分析。
    本書特色：
    1. 基于隨機梯度下降的在線學習算法；小規(guī)模和大規(guī)模學習問題。
    2. 核方法，包括支持向量機和表達定理。
    3. 信息論學習模型，包括連接、獨立分量分析（ICA）、一致獨立分量分析和信息瓶頸。
    4. 隨機動態(tài)規(guī)劃，包括逼近和神經(jīng)動態(tài)規(guī)劃。
    5. 逐次狀態(tài)估計算法，包括卡爾曼和粒子濾波器。
    6. 利用逐次狀態(tài)估計算法訓練遞歸神經(jīng)網(wǎng)絡(luò)。
    7. 富有洞察力的面向計算機的試驗。

你還可能感興趣

我要評論