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。
Provides a comprehensive foundation of neural networks, recognizing the multidisciplinary nature of the subject, supported with examples, computer-oriented experiments, end of chapter problems, and a bibliography. DLC: Neural networks (Computer science).
用户评价
##内容不及后续版本来的多，但是主线非常清晰，入门的话这个最好了。 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##大家都在说翻译问题。翻译确实有很多问题，很多地方是含混过关，意义很不明确，不少地方甚至直接是错误的翻译，因此一旦有怀疑的地方一定要对照英文原版看。造成翻译问题的原因，一方面是译者能力，我感觉更大的原因是原书确实知识面实在太广，原书作者本身也是通信，控制理论...
评分 评分 评分 评分 评分 评分##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。
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