我见过的最脑残也是最好懂的人工神经网络算法教程
你要的这份文档,原名为《用平常语言介绍神经网络》(NeuralNetworksinPlainEnglish),有人翻译过来,做成文档供大家学习。
人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。
每个节点代表一种特定的输出函数,称为激励函数(activationfunction)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。
网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。
谷歌人工智能写作项目:神经网络伪原创
有没有好理解的关于神经网络的书推荐
文案狗。
如果你有通信电子背景,SimonHaykin的NeuralNetworksandLearningMachines绝对值得一读,这本书从维纳滤波、卡尔曼滤波讲到神经网络,涵盖了所有主流的机器学习方法(SVM、PCA/ICA、RBF,SOM都是神经网络,好吧),对于人类故意创造的数据(雷达、电报),这些算法够了,但大数据不是人类故意产生的,你还需要学习基于统计的方法(按照马毅的说法,五六十年前不被重视的算法现在反而吃香,那时大家关注的都是香农、维纳等大V们,统计学家是靠转发这些大V拉粉丝的,偶尔也会怀念Bayesian)。
如果你有统计数学背景,并且认为hinton的dbn能代表神经网络的话(我反对,神经网络的world太bigger了),推荐先把李航老师的《统计学习方法》看完,然后直接读Hinton那一帮人的paper。
如果GMM,HMM,GHMM,boltzmann,SparseCoding看不懂,就读源代码吧,别哭肯定是matlab用的神经网络设计了,通俗易懂,很多实例!!
戴葵翻译的美国经典神经网络《神经网络设计》