订阅RSS
现在的位置: 首页人工智能, 软件>正文
神经网络与机器学习
图书分类:人工智能, 软件 暂无评论 ⁄ 被围观 45 次阅读+

内容简介:

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。

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。

目录:

出版者的话
译者序
前言
缩写和符号
术语
第0章 导言1
第1章 Rosenblatt感知器28
第2章 通过回归建立模型28
第3章 最小均方算法56
第4章 多层感知器77
第5章 核方法和径向基函数网络144
第6章 支持向量机168
第7章 正则化理论197
第8章 主分量分析232
第9章 自组织映射268
第10章 信息论学习模型299
第11章 植根于统计力学的随机方法366
第12章 动态规划396
第13章 神经动力学425
第14章 动态系统状态估计的贝叶斯滤波461
第15章 动态驱动递归网络501
参考文献538
作者: [加] Simon Haykin
出版社: 机械工业出版社
原作名: Neural Networks and Learning Machines
译者: 申富饶 / 徐烨 / 郑俊 / 晁静
出版年: 2011-3
页数: 572
丛书: 计算机科学丛书
ISBN: 9787111324133




标签:,

说点什么

avatar
  Subscribe  
提醒