未来智库 > 神经网络论文 > 【神经网络与计算学习算法及其应用】
    Siu-Yeung Cho Nanyang Technological University, Singapore
    Neural Networks and
    Computing
    Learning Algorithms and Applications
    2007, 309pp.
    Hardcover EUR
    ISBN 978-1-86094-758-2
    Imperial College Press
    
    T.W.S.周等著
    本书所讨论的神经计算领域代表了经典优化、统计学和信息理论的结合。神经网络曾一度被广泛地称为人工神经网络,说明了这个正在形成的技术是与人工智能相关的。它的迷人之处就在于它是一个自适应系统,或者是一个通用的功能估计者。反传训练算法曾是大多数工程会议上最流行的关键词。但该领域真正令人感兴趣的历史是始于上个世纪60年代,Minsky和Papert合著的描述早期神经研究工作的书籍“感知”。
    现在有大量关于神经理论及应用新进展的研究文献出版,它们试图从纯数学的方式或者从纯应用的方面讨论这个课题,但是对于大多数的使用者而言(包括学生和工程师),最感兴趣的问题是怎样采用一个适当的神经网络学习算法以及为一给定的物理问题选择模型。
    从学习理论、学习算法网络体系结构到应用,作者努力寻求在论述神经计算中主要课题之间的平衡。从作为基础的标准模块“神经”以及最初的神经网络McCullon和Pitts模型开始,利用众所周知的回归问题研究学习概念,该问题说明了数据拟合的概念是怎样被用来解释神经学习的基本概念。作者采用了差错凸表面来说明学习算法的优化概念。这一点很重要,因为它向读者指出了神经学习算法只不过是一个高维的优化问题。书中特别强调了高级学习方法及其应用,它包括了权的初始化、学习停转以及从局部最小值逃逸等实际问题,而这些问题在该领域现有的书籍中尚未涉及。此外本书把注意力集中在重要的特征选择问题上,这个问题难住了许多神经网络的专业人员,因为处理大数据集合存在着困难。本书还包括了几个有趣的IT、工程和生物信息方面的应用。
    本书共有7章。1.绪论;2.学习特性与提高;3.推广及性能增强;4.分类基本功能网络;5.自组织映射;6.分类和特征的选择;7.工程应用。
    本书是帝国学院出版社出版的“电气与计算工程”丛书的第7卷。其特点为:(1)包含了Matlab代码;(2)利用生命科学中计算智能的方法论述了重要的生物信息应用;(3)着重于图像检索实例研究。
    本书可供从事神经网络研究及应用的计算机科学家、工程师和数学家阅读借鉴。
    胡光华,高级软件工程师
    (原中国科学院物理学研究所)
    Hu Guanghua, Senior Software Engineer
    (Former Institute of Physics,the Chinese Academy of Sciences)

转载请注明来源。原文地址:https://www.7428.cn/vipzj17202/
 与本篇相关的热门内容: