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。
《神經網絡與機器學習(英文版第3版)》的可讀性非常強,作者舉重若輕地對神經網絡的基本模型和主要學習理論進行瞭深入探討和分析,通過大量的試驗報告、例題和習題來幫助讀者更好地學習神經網絡。神經網絡是計算智能和機器學習的重要分支,在諸多領域都取得瞭很大的成功。在眾多神經網絡著作中,影響最為廣泛的是SimonHaykin的《神經網絡原理》(第4版更名為《神經網絡與機器學習》)。在《神經網絡與機器學習(英文版第3版)》中,作者結閤近年來神經網絡和機器學習的最新進展,從理論和實際應用齣發,全麵。係統地介紹瞭神經網絡的基本模型、方法和技術,並將神經網絡和機器學習有機地結閤在一起。《神經網絡與機器學習(英文版第3版)》不但注重對數學分析方法和理論的探討,而且也非常關注神經網絡在模式識彆、信號處理以及控製係統等實際工程問題中的應用。
本版在前一版的基礎上進行瞭廣泛修訂,提供瞭神經網絡和機器學習這兩個越來越重要的學科的最新分析。
##非常難讀的一本書,質量還行
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##神經網絡不僅是現在的思維模式,計算機的將來計算模式,還是簡單的細胞的運算模式。他們沒有真正的思考,而是計算。計算是機器也能夠做到的,因此不管人是否理解或者機器是否知道,都可以從容應對。而不知道的事物如此之多,因此不必擔心他們會自動的進入圈套。他們不僅是可以...
評分##神經網絡綜閤入門
評分 評分##全麵,係統,重要。
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。
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度,google,bing,sogou 等
© 2025 book.qciss.net All Rights Reserved. 圖書大百科 版權所有