神经网络设计
出版社:机械工业出版社
出版日期:2002-8
ISBN:9787111108412
作者:(美)Martin T.Hagan Howard B.Demuth Mark Beale
书籍目录
Preface1、Introdu
作者简介
Martin T.Hagan,Howard B.Demuth:Neural Network Design Original copyright @ 1996 by PWS Publishing Company.All rights reserved. First published by PWS Publishing Company,a division of Thomsin Learning,United States of America. Reprinted for People's Republic of China by Thomson Asia Pte Ltd and China Machine Press and CITIC Publishing House under the arthorization of Thomson Learning.No part of this book may be reproduced in any form without the the prior written permission of Thomson Learing and China Machine Perss.
图书封面
发布书评
精彩书评 (总计1条)
-
这本身更像是Matlab神经网络工具箱的配套教材，但内容稍显单薄，而且深度有限，由于对许多基本概念作了非常浅显易懂的讲解，所以适合作为入门教材。
精彩短评 (总计12条)
-
一句话：娓娓道来，醍醐灌顶！比国内的教材好多了！只需要读者有一点点数学知识（也就是懂一点点高数、线代的皮毛，不懂也可以，作者会负责地在书中相关地方讲述）就可以了！ -
两年前看的了,买了一本此书的第二版 很不错 数学分析比较详细 特别是书中有许多很有启发性的例题 至于翻译我觉得还不错 虽然有些明显的印刷错误（特别是忘记了负号）
-
数学部分看的很费劲啊 -
这本身更像是Matlab神经网络工具箱的配套教材，但内容稍显单薄，而且深度有限，由于对许多基本概念作了非常浅显易懂的讲解，所以适合作为入门教材。 -
我也认同线性代数的理解，这本书还没看，买本看看！！！ -
辞掉了工作，回家过年玩，拿出这本书来又看了一遍，说说这次的感觉：
1 比起第一次接触神经网络时感觉这本书简单多了，读第二遍速度要快得多，并且也更理解一些原理上的东西
2 不神秘了。第一次读的时候感觉神经网络很强大，可以设计出许多很厉害的东西来，现在却不这样认为了，书中讲的东西其实很简单，要想读完这本书就做出什么东西来基本不可能，但是书中所讲的方法、原理能够带动读者从一种“神经”的角度思考问题，说不定哪天你所遇到的难题就可以在这些基础上解决。
我是初学者，希望喜欢神经网络与机器学习的朋友加我好友，向你学习:)
左边是：sdjllyh
中间是：@
右边是：gmail.com -
这段时间做毕业设计才看的这本书，全书循序渐进，开篇介绍了一下神经网络发展的概况，接着用几个简单的例子让读者对神经网路有一个比较感性的认识，然后有一些数学基础的补充，对线性代数和微积分的一部分内容进行了简单的介绍，再后面就是各种模型，按照目录的顺序读下去很容易理解，不过翻译有些差强人意，还有少量印刷错误，不过总的来说是很不错的一本教材，很适合我这个初学者。 -
懂不起，先踩一脚多 -
感知机那些不如模式识别看起来清楚。自适应谐振没看。 -
还记得大一的时候，老师在黑板上只管照着课本将，讲矩阵、讲行列式..... 讲的只是计算过程，和解题方法。对我来说线性代数，就是死记硬背的没有半点用处的东西。我现在才明白了，线性代数，最主要的不是矩阵的那些计算，矩阵只是一个计算的表达方式和计算的工具，要理解线性代数，是要真正的理解，线性空间和线性变换。而我上大一的时候，这些都是挂星号的一本书中最后面的内容。
本人计算机专业，其他的专业学科对数学要求都不高。让我一直忽略了数学的重要性，直到看到神经网络、机器学习的书，才让我认识到了数学的强大。
初始对神经网络也是感到非常神秘，看着看着这本书的时候，其实有种让我大失所望的感觉，并不是这本书不好。而是神经网络远没我想象中的那么强大。现在的感觉，除了受到真正的神经网络的一点启发外，人工神经网络和神经网络没半点联系，仅仅是一些数学模型或计算过程的实现而已（个人理解，如有不妥，请海涵）。 -
全书非常连贯，比较适合顺着看下来。而且讲的前因后果比较清晰，适合入门。 -
这本是我非常推崇的神经网络的进阶读本，理论的阐述非常的好。然后数学方面比较深。可能读起来会比较吃力但是挺好的。