具体描述
Simon Haykin 于1953年获得英国伯明翰大学博士学位，目前为加拿大McMaster大学电子与计算机工程系教授、通信研究实验室主任。他是国际电子电气工程界的著名学者，曾获得IEEE McNaughton金奖。他是加拿大皇家学会院士、IEEE会士，在神经网络、通信、自适应滤波器等领域成果颇丰，著有多部标准教材。
本书是关于神经网络的全面的、彻底的、可读性很强的、最新的论述。全书共15章，主要内容包括Rosenblatt感知器、通过回归建立模型、最小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主分量分析、自组织映射、信息论学习模型、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波等。
本书适合作为高等院校计算机相关专业研究生及本科生的教材，也可供相关领域的工程技术人员参考。
用户评价
##原书：Neural Networks and Learning Machines 土豪，注意，这是 Learning Machines, 而不是 Machine Learning 神经网络与学习机会更好。
评分##学嵌入式、电子信息的渣渣表示，看概率相关的还是有点反应不过来。我只是为了了解大概，看一下文字说明，感觉差不多能知道在说什么~~ 看着看着，我想起了那一句老话：一人翻为佳，二人翻为庸，三人翻为渣，若是三人等，则弗如渣渣 —————————— 这本书的译者不知道是不大熟悉这方面，还是机翻习惯了？ 这本书本身大多是数学理论的堆砌，没有比较好的基础很难看懂，加上译者含混过关，大量的机翻体验与...
评分 评分##神经网络领域经典著作
评分 评分##很经典，适合有一定基础的读者
评分##这本书还算有点名气，有不少的AI书籍的参考文献都提及了它。书名虽然是foundation，但却是偏重于数学的。对于ANN的几乎所有原理都没有给出可以在直觉上理解的原因，比如，为什么对于w的初始化要随机且尽可能小；冲向量的直观解释是什么；对于分布不均匀的结果类别应该如何对w正...
评分##不是说书不好 是有点难 数学的东西有点多 推荐先看看《统计学习基础 数据挖掘、推理与预测》
评分##很经典，适合有一定基础的读者
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.idnshop.cc All Rights Reserved. 静思书屋 版权所有