神經(jīng)網(wǎng)絡(luò)與機器學(xué)習(xí)（原書第3版）
神經(jīng)網(wǎng)絡(luò)是計算智能和機器學(xué)習(xí)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(xué)習(xí)》）。在本書中，作者結(jié)合近年來神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)的最新進展，從理論和實際應(yīng)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(xué)習(xí)有機地結(jié)合在一起。
本書不但注重對數(shù)學(xué)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(yīng)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(xué)習(xí)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(xí)題來幫助讀者更好地學(xué)習(xí)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(xué)習(xí)這兩個越來越重要的學(xué)科的最新分析。
本書特色：
1. 基于隨機梯度下降的在...
神經(jīng)網(wǎng)絡(luò)是計算智能和機器學(xué)習(xí)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(xué)習(xí)》）。在本書中，作者結(jié)合近年來神經(jīng)網(wǎng)絡(luò)和機器學(xué)習(xí)的最新進展，從理論和實際應(yīng)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(xué)習(xí)有機地結(jié)合在一起。
本書不但注重對數(shù)學(xué)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(yīng)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(xué)習(xí)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(xí)題來幫助讀者更好地學(xué)習(xí)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(xué)習(xí)這兩個越來越重要的學(xué)科的最新分析。
本書特色：
1. 基于隨機梯度下降的在線學(xué)習(xí)算法；小規(guī)模和大規(guī)模學(xué)習(xí)問題。
2. 核方法，包括支持向量機和表達定理。
3. 信息論學(xué)習(xí)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(xùn)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。
Simon Haykin 于1953年獲得英國伯明翰大學(xué)博士學(xué)位，目前為加拿大McMaster大學(xué)電子與計算機工程系教授、通信研究實驗室主任。他是國際電子電氣工程界的著名學(xué)者，曾獲得IEEE McNaughton金獎。他是加拿大皇家學(xué)會院士、IEEE會士，在神經(jīng)網(wǎng)絡(luò)、通信、自適應(yīng)濾波器等領(lǐng)域成果頗豐，著有多部標準教材。
本書是關(guān)于神經(jīng)網(wǎng)絡(luò)的全面的、徹底的、可讀性很強的、最新的論述。全書共15章，主要內(nèi)容包括Rosenblatt感知器、通過回歸建立模型、最小均方算法、多層感知器、核方法和徑向基函數(shù)網(wǎng)絡(luò)、支持向量機、正則化理論、主分量分析、自組織映射、信息論學(xué)習(xí)模型、動態(tài)規(guī)劃、神經(jīng)動力學(xué)、動態(tài)系統(tǒng)狀態(tài)估計的貝葉斯濾波等。
本書適合作為高等院校計算機相關(guān)專業(yè)研究生及本科生的教材，也可供相關(guān)領(lǐng)域的工程技術(shù)人員參考。