（课外辅导）人工神经网络 | 拓展阅读参考书
王天一
该思维导图由 AI 生成，仅供参考
人工神经网络方向的参考书首推 Simon Haykin 所著的 Neural Networks and Learning Machines，英文版于 2008 年出到第三版，中译本名为《神经网络与机器学习》，也有影印本。本书是“大而全”的参考手册类型，全书以数学推导为主，对每种主流的神经网络算法都做了详细说明。Simon Haykin 是通信系统与信号处理的专家，在这本神经网络的专著中也穿插了大量信号处理和信息论中常用的工具，散发着浓厚的数学气息，因而适合在具有一定基础的条件下阅读。
另一本神经网络的专著是 Martin Hagan 等人合著的 Neural Network Design，英文版于 2014 年出到第二版，中译本名为《神经网络设计》，对应原书第一版。本书的几位作者是 Matlab 中神经网络工具箱的开发者，因而其专业性和权威性毋庸置疑。和 Simon Haykin 的学究著作相比，本书轻推导而重演示，主要通过实例手把手地解释神经网络的工作原理，对线性代数和最优化等基本工具也有涉及。
Sandhya Samarasinghe 所著的 Neural Networks for Applied Sciences and Engineering 同样是非常好的参考书，英文版出版于 2007 年，暂无中译本。正如书名所示，本书是一本面向应用场景的书籍，侧重于神经网络在工程中，尤其是在基于数据进行模式识别中的应用。书中同样包含丰富的实例，其中不乏取材于真实的数据分析案例，和现实结合得相当紧密的实例。本书是难得的理论与实践并重的参考书，有利于扩展神经网络研究的视野，对初学者也非常友好。
最后一本是 Stephen Marsland 所著的 Machine Learning: An Algorithmic Perspective，英文版于 2015 年出到第二版，暂无中文版。本书的主题是机器学习，但对包括感知器、多层感知器、径向基网络和自组织映射等主流的神经网络算法都用专门的章节加以介绍。在介绍中，作者侧重于对算法生理学背景的描述，以及对于算法原理的直观解释，这对神经网络研究的入门者无疑颇有裨益。遗憾的是，本书的行文略显啰嗦。
部分书目链接
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
神经网络是人工智能领域的重要分支，而人工神经网络的发展离不开相关参考书籍的指导。本文介绍了几本值得推荐的人工神经网络参考书。首推Simon Haykin所著的《神经网络与机器学习》，全面涵盖了主流的神经网络算法，适合有一定数学基础的读者。另一本推荐书是Martin Hagan等人合著的《神经网络设计》，通过实例手把手地解释神经网络的工作原理，适合初学者。Sandhya Samarasinghe所著的《神经网络在应用科学与工程中的应用》侧重于神经网络在工程中的应用，结合了丰富的实例和真实数据分析案例，理论与实践并重。最后一本是Stephen Marsland所著的《机器学习：算法视角》，虽然主题是机器学习，但也介绍了主流的神经网络算法，适合入门者。这些参考书籍涵盖了神经网络的理论和实践，适合不同阶段的读者阅读学习。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《人工智能基础课》，新⼈⾸单¥59
《人工智能基础课》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(2)
- 最新
- 精选
林彦谢谢分享。 请问第一本书是否涉及信号处理算法，如小波变换，Dynamic Time Wrapping，Signal Quality Index（各种评估信噪比的数学方法）的各种数学推导展开。有没有这些信号处理与神经网络算法的融合来解决现实场景问题的案例。 第三本书的实例部分是否有伪代码或代码作者回复: 第一本书不涉及信号处理，Haykin有信号处理的专著，但也聚焦在传统方法上。他的推导主要是从数学上解释神经网络。 第三本书没有代码或者伪代码。
2018-01-273
ifelse
学习打卡2023-05-09归属地：浙江
收起评论