具體描述
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。
用戶評價
##技術變革太快瞭
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...
評分##太數學瞭！
評分##原書：Neural Networks and Learning Machines 土豪，注意，這是 Learning Machines, 而不是 Machine Learning 神經網絡與學習機會更好。
評分##太數學瞭！
評分##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
相關圖書
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.tinynews.org All Rights Reserved. 静思书屋 版权所有