分享
 
 
 

神经网络与机器学习(英文版 第3版)

神经网络与机器学习(英文版 第3版)  点此进入淘宝搜索页搜索
  特别声明:本站仅为商品信息简介,并不出售商品,您可点击文中链接进入淘宝网搜索页搜索该商品,有任何问题请与具体淘宝商家联系。
  參考價格: 点此进入淘宝搜索页搜索
  分類: 图书,计算机/网络,人工智能,

作者: (加)海金(Haykin,S)著

出 版 社: 机械工业出版社

出版时间: 2009-3-1字数:版次: 1页数: 906印刷时间:开本: 32开印次:纸张:I S B N : 9787111265283包装: 平装内容简介

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4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中的应用。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

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。

核方法,包括支持向量机和表达定理。

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。

随机动态规划,包括逼近和神经动态规划。

逐次状态估计算法,包括Kalman和粒子滤波器。

利用逐次状态估计算法训练递归神经网络。

富有洞察力的面向计算机的试验。

作者简介

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。

目录

Preface

Acknowledgements

Abbreviations and Symbols

GLOSSARY

Introduction

1 Whatis aNeuralNetwork?

2 The Human Brain

3 Models of a Neuron

4 Neural Networks Viewed As Dirccted Graphs

5 Feedback

6 Network Architecturns

7Knowledge Representation

8 Learning Processes

9 Learninglbks

10 Concluding Remarks

Notes and Rcferences

Chapter 1 Rosenblatt's Perceptrou

1.1 Introduction

1.2 Perceptron

1.3 1he Pcrceptron Convergence Theorem

1.4 Relation Between the Perceptron and Bayes Classifier for a Gaussian Environment

1.5 Computer Experiment:Pattern Classification

1.6 The Batch Perceptron Algorithm

1.7 Summary and Discussion

Notes and Refercnces

Problems

Chapter 2 Model Building through Regression

2.1 Introduction 68

2.2 Linear Regression Model:Preliminary Considerafions

2.3 Maximum a Posteriori Estimation ofthe ParameterVector

2.4 Relationship Between Regularized Least-Squares Estimation and MAP Estimation

2.5 Computer Experiment:Pattern Classification

2.6 The Minimum.Description-Length Principle

2.7 Rnite Sample—Size Considerations

2.8 The Instrumental,variables Method

2 9 Summary and Discussion

Notes and References

Problems

Chapter 3 The Least—Mean-Square Algorithm

3.1 Introduction

3.2 Filtering Structure of the LMS Algorithm

3.3 Unconstrained optimization:a Review

3.4 ThC Wiener FiIter

3.5 ne Least.Mean.Square Algorithm

3.6 Markov Model Portraying the Deviation of the LMS Algorithm from the Wiener Filter

3.7 The Langevin Equation:Characterization ofBrownian Motion

3.8 Kushner’S Direct.Averaging Method

3.9 Statistical LMS Learning Iheory for Sinail Learning—Rate Parameter

3.10 Computer Experiment I:Linear PTediction

3.11 Computer Experiment II:Pattern Classification

3.12 Virtucs and Limitations of the LMS AIgorithm

3.13 Learning.Rate Annealing Schedules

3.14 Summary and Discussion

Notes and Refefences

Problems

Chapter 4 Multilayer Pereeptrons

4.1 IntroductlOn

4.2 Some Preliminaries

4.3 Batch Learning and on.Line Learning

4.4 The Back.Propagation Algorithm

4 5 XORProblem

4.6 Heuristics for Making the Back—Propagation Algorithm PerfoITn Better

4.7 Computer Experiment:Pattern Classification

4.8 Back Propagation and Differentiation

4.9 The Hessian and lIs Role 1n On-Line Learning

4.10 Optimal Annealing and Adaptive Control of the Learning Rate

4.11 Generalization

4.12 Approximations of Functions

4.13 Cross.Vjlidation

4.14 Complexity Regularization and Network Pruning

4.15 Virtues and Limitations of Back-Propagation Learning

4.16 Supervised Learning Viewed as an Optimization Problem

4.17 COUVOlutionaI Networks

4.18 Nonlinear Filtering

4.19 Small—Seale VerSus Large+Scale Learning Problems

4.20 Summary and Discussion

Notes and RCfcreilces

Problems

Chapter 5 Kernel Methods and Radial-Basis Function Networks

5.1 Intreduction

5.2 Cover’S Theorem on the Separability of Patterns

5.3 1he Interpolation Problem

5 4 Radial—Basis—Function Networks

5.5 K.Mcans Clustering

5.6 Recursive Least-Squares Estimation of the Weight Vector

5 7 Hybrid Learning Procedure for RBF Networks

5 8 Computer Experiment:Pattern Classification

5.9 Interpretations of the Gaussian Hidden Units

5.10 Kernel Regression and Its Relation to RBF Networks

5.11 Summary and Discussion

Notes and References

Problems

Chapter 6 Support Vector Machines

Chapter 7 Regularization Theory

Chapter 8 Prindpal-Components Aaalysis

Chapter 9 Self-Organizing Maps

Chapter 10 Information-Theoretic Learning Models

Chapter 11 Stochastic Methods Rooted in Statistical Mechanics

Chapter 12 Dynamic Programming

Chapter 13 Neurodynamics

Chapter 14 Bayseian Filtering for State Estimation ofDynamic Systems

Chaptel 15 Dynamlcaay Driven Recarrent Networks

Bibliography

Index

 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
>>返回首頁<<
 
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有