神经网络与机器学习(原书第3版)

神经网络与机器学习(原书第3版) pdf epub mobi txt 电子书 下载 2025

[加] Simon Haykin 申富饶
想要找书就要到 静思书屋
立刻按 ctrl+D收藏本页
你会得到大惊喜!!
2011-3 平装 9787111324133

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。

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。

用户评价

评分

##这本书是年头多了,讲正则化部分给我印象深刻,不建议从这本入手。

评分

##对数学的要求比较变态,我没读过研究生,不过估计非数学系的,要到研二才有可能对矩阵论,动态系统,泛函分析有比较熟练的掌握吧,那么这本书就不适合做工程的咱们来看,至少我这数学白痴是比较费劲的,但是好处不是没有,在机器学习这块,严谨的数学分析是艰深基础的不二法门。

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

##申先生,洗洗睡吧,这么翻译一本书会随着simon大神留ma名的

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

© 2025 book.idnshop.cc All Rights Reserved. 静思书屋 版权所有