《神经网络与机器学习（原书第3版）》书评

翻译实在太差

看着看着，我想起了那一句老话：一人翻为佳，二人翻为庸，三人翻为渣，若是三人等，则弗如渣渣——————————这本书的译者不知道是不大熟悉这方面，还是机翻习惯了？这本书本身大多是数学理论的堆砌，没有比较好的基础很难看懂，加上译者含混过关，大量的机翻体验与错误符号——直接玩完了。相比之下，同类书籍都比它好太多，如范明翻译的《数据挖掘导论》，值得一看。如果想要认真体验这本《神经网络与机器学习》的思想，建议看英文原本。值得一提的是，原本是一本非常值得啃的书。

翻译的确是有问题的

原书：Neural Networks and Learning Machines土豪，注意，这是 Learning Machines, 而不是 Machine Learning神经网络与学习机会更好。

艰深

模仿生物的神经系统，人类开始设计制造人工神经网络。人工神经网络具有很多类似人脑的功能，其中就包括学习功能，也就是机器学习。小脑在运动的控制和协调中起到了非常重要的作用，通常进行得非常平稳并且几乎毫不费力。在文献中，已经提到小脑扮演着动态估计的控制者或者神经模拟的角色。支持动态状态估计假设的关键点包含在以下的叙述中，它的有效性已经被数十年的自动跟踪和指导系统设计的研究所证实：任何一个生物或者人造的系统，需要预测或控制一个多元动态系统的随机轨迹，可以通过使用或引用的卡尔曼滤波的本质在这种或其他方式下才能有效。假设神经系统（如小脑或者新大脑皮层）是卡尔曼滤波器的神经模拟，它并不意味着在物质层面上，神经系统类似于卡尔曼滤波器。一般说来，生物系统的确表现出一些状态估计的形式，并且相关的神经算法可能含有卡尔曼滤波器的一般的“特征”。此外，一些貌似合理的状态估计形式广泛分布在中心神经系统的其他部分。《神经网络与机器学习》494