神经网络与机器学原书第3版pdf高清电子扫描版

神经网络与机器学原书第3版是关于神经网络的全面的、有效的、可读性很强的、近期新的论述的一本书籍。小编分享的这本教程，每一章的最后都有注释和参考文献用于进一步学习，每章末尾还提供了习题，用来练习并丰富读者的专业知识。神经网络与机器学原书第3版共15章，主要内容包括rosenblatt感知器、通过回归建立模型、很小均方算法、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。神经网络与机器学原书第3版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。

作者简介：

Simon.Haykin是靠前电子电气工程界的有名学者，加拿大皇家学会院士，IEEE会士，于1953年获得英国伯明翰大学博士学位，现任加拿大麦克马斯特大学教授，在该校创办了通信研究实验室并长期担任主任。他曾经获得IEEE.McNaughton奖章，在神经网络、通信、自适应滤波器等领域成果颇丰，著有多种标准教材。

神经网络与机器学原书第3版目录：

出版者的话
译者序
前言
缩写和符号
术语
第0章 导言
0.1 什么是神经网络
0.2 人类大脑
0.3 神经元模型
0.4 被看作有向图的神经网络
0.5 反馈
0.6 网络结构
0.7 知识表示
0.8 学习过程
0.9 学习任务
0.10结束语27
注释和参考文献27
第1章Rosenblatt感知器28
1.1引言28
1.2感知器28
1.3感知器收敛定理29
1.4高斯环境下感知器与贝叶斯分类器的关系33
1.5计算机实验：模式分类36
1.6批量感知器算法38
1.7小结和讨论39
注释和参考文献39
习题40
第2章通过回归建立模型28
2.1引言41
2.2线性回归模型：初步考虑41
2.3参数向量的大后验估计42
2.4正则小二乘估计和MAP估计之间的关系46
2.5计算机实验：模式分类47
2.6小描述长度原则48
2.7固定样本大小考虑50
2.8工具变量方法53
2.9小结和讨论54
注释和参考文献54
习题55
第3章小均方算法56
3.1引言56
3.2LMS算法的滤波结构56
3.3无约束优化：回顾58
3.4维纳滤波器61
3.5小均方算法63
3.6用马尔可夫模型来描画LMS算法和维纳滤波器的偏差64
3.7朗之万方程：布朗运动的特点65
3.8Kushner直接平均法66
3.9小学习率参数下统计LMS学习理论67
3.10计算机实验Ⅰ：线性预测68
3.11计算机实验Ⅱ：模式分类69
3.12LMS算法的优点和局限71
3.13学习率退火方案72
3.14小结和讨论73
注释和参考文献74
习题74
第4章多层感知器77
4.1引言77
4.2一些预备知识78
4.3批量学习和在线学习79
4.4反向传播算法81
4.5异或问题89
4.6改善反向传播算法性能的试探法90
4.7计算机实验：模式分类94
4.8反向传播和微分95
4.9Hessian矩阵及其在在线学习中的规则96
4.10学习率的优退火和自适应控制98
4.11泛化102
4.12函数逼近104
4.13交叉验证107
4.14复杂度正则化和网络修剪109
4.15反向传播学习的优点和局限113
4.16作为优化问题看待的监督学习117
4.17卷积网络126
4.18非线性滤波127
4.19小规模和大规模学习问题131
4.20小结和讨论136
注释和参考文献137
习题138
第5章核方法和径向基函数网络144
5.1引言144
5.2模式可分性的Cover定理144
5.3插值问题148
5.4径向基函数网络150
5.5K-均值聚类152
5.6[0权0]向量的递归小二乘估计153
5.7RBF网络的混合学习过程156
5.8计算机实验：模式分类157
5.9高斯隐藏单元的解释158
5.10核回归及其与RBF网络的关系160
5.11小结和讨论162
注释和参考文献164
习题165
......

免责声明：

来源于网络，仅用于分享知识，学习和交流!请下载完在24小时内删除。
禁用于商业用途！如果您喜欢《神经网络与机器学原书第3版》，请购买正版，谢谢合作。
爱学习，请到3322软件站查找资源自行下载！

下载说明：

方法一：
1、下载并解压，得出pdf文件
2、如果打不开本文件，别着急，这时候请务必在3322软件站选择一款阅读器下载哦
3、安装后，再打开解压得出的pdf文件
4、以上都完成后，接下来双击进行阅读就可以啦，朋友们开启你们的阅读之旅吧。
方法二：
1、可以在手机里下载3322软件站中的阅读器和百度网盘
2、接下来直接将pdf传输到百度网盘
3、用阅读器打开即可阅读