| 查看: 2033 | 回复: 7 | |||||
| 当前主题已经存档。 | |||||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||||
weijason木虫 (初入文坛)
|
[交流]
学习神经网络的路线图
|
||||
|
第一步：看看入门书籍,对神经网络有个初步认识; 第二步：掌握如下算法: 1.感知机学习,这个较简单易懂,就不多说了. 2.最小均方误差,这个原理是下面提到的神经网络学习算法的理论核心,入门者要先看《高等数学》（高等教育出版社，同济大学版）第8章的第十节：“最小二乘法”。 3.在第2步的基础上看Hebb学习算法、SOM和K-近邻算法，上述算法都是在最小均方误差基础上的改进算法，参考书籍是《神经网络原理》（机械工业出版社，Simon Haykin著，中英文都有）、《人工神经网络与模拟进化计算》（清华大学出版社，阎平凡，张长水著）、《模式分类》（机械工业出版社， Richard O. Duda等著，中英文都有）、《神经网络设计》（机械工业出版社，Martin T. Hargan等著，中英文都有）。 4.ART(自适应谐振理论),该算法的最通俗易懂的读物就是《神经网络设计》（机械工业出版社，Martin T. Hargan等著，中英文都有）的第15和16章。若看理论分析较费劲可直接编程实现一下16.2.7节的ART1算法小节中的算法. 4.BP算法,初学者若对误差反传的分析过程理解吃力可先跳过理论分析和证明的内容,直接利用最后的学习规则编个小程序并测试,建议看《机器学习》(机械工业出版社，Tom M. Mitchell著，中英文都有）的第4章和《神经网络设计》（机械工业出版社，Martin T. Hargan等著，中英文都有）的第11章。 第三步：在掌握上述算法的基础上看各种前馈网络、反馈网络、联想存储器和神经网络集成等技术就属于学习神经网络的高级阶段了，这就看大家自己的爱好和发挥了：） [ Last edited by 幻影无痕 on 2006-11-1 at 07:40 ] |
回复此楼» 收录本帖的淘帖专辑推荐
 合格科研工作者必备 | ML相关 |
» 猜你喜欢
271求调剂
已经有28人回复
-
302求调剂
已经有9人回复
-
有没有学校材料专业收跨调(一志愿085410)
已经有14人回复
-
297求调剂
已经有20人回复
-
考研求调剂
已经有8人回复
-
288求调剂，一志愿华南理工大学071005
已经有19人回复
-
人工智能320调剂08工类还有机会吗
已经有15人回复
-
290求调剂
已经有20人回复
-
一志愿沪9，326求生物学调剂
已经有4人回复
-
材料工程085601，270求调剂
已经有41人回复
5楼2006-04-17 21:39:10
3楼2006-04-17 01:09:24
4楼2006-04-17 11:41:33
6楼2006-04-18 17:21:13
