人工神經(jīng)網(wǎng)絡(luò)方向的參考書首推Simon Haykin所著的Neural Networks and Learning Machines，英文版于 2008 年出到第三版，中譯本名為《神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)》，也有影印本。本書是“大而全”的參考手冊類型，全書以數(shù)學(xué)推導(dǎo)為主，對每種主流的神經(jīng)網(wǎng)絡(luò)算法都做了詳細(xì)說明。Simon Haykin 是通信系統(tǒng)與信號處理的專家，在這本神經(jīng)網(wǎng)絡(luò)的專著中也穿插了大量信號處理和信息論中常用的工具，散發(fā)著濃厚的數(shù)學(xué)氣息，因而適合在具有一定基礎(chǔ)的條件下閱讀。
另一本神經(jīng)網(wǎng)絡(luò)的專著是Martin Hagan等人合著的Neural Network Design，英文版于 2014 年出到第二版，中譯本名為《神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)》，對應(yīng)原書第一版。本書的幾位作者是 Matlab 中神經(jīng)網(wǎng)絡(luò)工具箱的開發(fā)者，因而其專業(yè)性和權(quán)威性毋庸置疑。和 Simon Haykin 的學(xué)究著作相比，本書輕推導(dǎo)而重演示，主要通過實(shí)例手把手地解釋神經(jīng)網(wǎng)絡(luò)的工作原理，對線性代數(shù)和最優(yōu)化等基本工具也有涉及。
Sandhya Samarasinghe所著的Neural Networks for Applied Sciences and Engineering同樣是非常好的參考書，英文版出版于 2007 年，暫無中譯本。正如書名所示，本書是一本面向應(yīng)用場景的書籍，側(cè)重于神經(jīng)網(wǎng)絡(luò)在工程中，尤其是在基于數(shù)據(jù)進(jìn)行模式識別中的應(yīng)用。書中同樣包含豐富的實(shí)例，其中不乏取材于真實(shí)的數(shù)據(jù)分析案例，和現(xiàn)實(shí)結(jié)合得相當(dāng)緊密的實(shí)例。本書是難得的理論與實(shí)踐并重的參考書，有利于擴(kuò)展神經(jīng)網(wǎng)絡(luò)研究的視野，對初學(xué)者也非常友好。
最后一本是Stephen Marsland所著的Machine Learning: An Algorithmic Perspective，英文版于 2015 年出到第二版，暫無中文版。本書的主題是機(jī)器學(xué)習(xí)，但對包括感知器、多層感知器、徑向基網(wǎng)絡(luò)和自組織映射等主流的神經(jīng)網(wǎng)絡(luò)算法都用專門的章節(jié)加以介紹。在介紹中，作者側(cè)重于對算法生理學(xué)背景的描述，以及對于算法原理的直觀解釋，這對神經(jīng)網(wǎng)絡(luò)研究的入門者無疑頗有裨益。遺憾的是，本書的行文略顯啰嗦。
|
