当前位置: 首页 > 人工智能

神经网络与机器学习pdf电子书

简介神经网络与机器学习pdf怎么样?神经网络是计算智能和机器学习的重要分支,在诸多领域都取得了很大的成功。在众多神经网络著作中,影响最为广泛的是SimonHaykin的《神经网络原理》(第3版更名为...
《神经网络与机器学习》pdf电子书百度网盘下载
《神经网络与机器学习》pdf电子书百度网盘下载

 

神经网络与机器学习中文版怎么样?最新电子版pdf下载:

 

神经网络是计算智能和机器学习的重要分支,在诸多领域都取得了很大的成功。在众多神经网络著作中,影响最为广泛的是Simon Haykin的《神经网络原理》(第3版更名为《神经网络与机器学习》)。在本书中,作者结合近年来神经网络和机器学习的最新进展,从理论和实际应用出发,全面、系统地介绍了神经网络的基本模型、方法和技术,并将神经网络和机器学习有机地结合在一起。

本书不但注重对数学分析方法和理论的探讨,而且也非常关注神经网络在模式识别、信号处理以及控制系统等实际工程问题的应用。本书的可读性非常强,作者举重若轻地对神经网络的基本模型和主要学习理论进行了深入探讨和分析,通过大量的试验报告、例题和习题来帮助读者更好地学习神经网络。

本版在前一版的基础上进行了广泛修订,提供了神经网络和机器学习这两个越来越重要的学科的最新分析。

本书特色:

1. 基于随机梯度下降的在线学习算法;小规模和大规模学习问题。

2. 核方法,包括支持向量机和表达定理。

3. 信息论学习模型,包括连接、独立分量分析(ICA)、一致独立分量分析和信息瓶颈。

4. 随机动态规划,包括逼近和神经动态规划。

5. 逐次状态估计算法,包括卡尔曼和粒子滤波器。

6. 利用逐次状态估计算法训练递归神经网络。

7. 富有洞察力的面向计算机的试验。


目录:

第0章 导言1
第1章 Rosenblatt感知器28
第2章 通过回归建立模型28
第3章 最小均方算法56
第4章 多层感知器77
第5章 核方法和径向基函数网络144
第6章 支持向量机168
第7章 正则化理论197
第8章 主分量分析232
第9章 自组织映射268
第10章 信息论学习模型299
第11章 植根于统计力学的随机方法366
第12章 动态规划396
第13章 神经动力学425
第14章 动态系统状态估计的贝叶斯滤波461
第15章 动态驱动递归网络501
 

点击下载