有哪些学习人工神经网络的好资源？[关闭]
https://stackoverflow.com/questions/478947
-
20-08-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian题
我对人工神经网络非常感兴趣，但我正在寻找一个起点。
有哪些资源以及什么是好的起始项目？
解决方案
下面是神经网络编程的一些例子。 http://www.codeproject.com/KB/recipes/neural_dot_net.aspx
我为我的一部分已经访问过的课程有关，并通过一些文献的工作。
其他提示
首先，就放弃人工神经网络有什么用脑，但对路过的相似性生物神经元网络的任何概念。学习生物学不会帮助你有效地运用神经网络;学习线性代数，微积分和概率论的意志。你应该最起码让自己熟悉的功能，链式法则，偏导数（梯度，雅可比和黑森州）基本分化和理解矩阵乘法和角化的想法。
真的什么，当你培养了网络优化的大型，多层面的功能（相对于每一个在网络中的权重减少你的错误措施）等的非线性数值优化技术的研究可以证明启发你正在做。这是一个被广泛研究的问题与文学的神经网络之外的大型基地，并有大量的讲义在数值优化在网络上可用。首先，大多数人使用简单的梯度下降，但是这可能是慢得多，超过事倍功半细致入微的方法，如
一旦你的基本思路下来，你就可以开始用不同的实验“挤压”在您的隐藏层功能，加入各种正规化，以及各种调整，以使学习得更快。请参见本文获得的“最佳实践”的完整列表。
一个关于这个问题的最好的书是克里斯主教的的神经网络的模式识别 。这是由这个阶段相当老了，但仍然是一个很好的资源，你经常可以在网上找到使用拷贝约$ 30。在他的书新的神经网络章，的模式识别和机器学习的，也是相当全面。对于特别好的执行为中心的教程，看到这一项上CodeProject.com 其实现了巧妙排序网络的被称为卷积网络，其以这样的方式限制连接性，使其非常善于学习到视觉图案进行分类。
支持向量机和其他内核的方法已经成为很受欢迎，因为你可以不知道你在做什么是地狱，并经常得到可接受的结果应用它们。神经网络，在另一方面，是需要悉心调教，尽管他们仍然最好的很多问题，尤其是大规模的问题，像计算机视觉领域巨大的优化问题。
我通过Anoop Madhusudanan上代码项目
他带你穿越基本面了解他们是如何运作的易于理解的方式的，并展示了如何使用他brainnet库来创建自己的。
神经网络是种家世不那么高贵这些天。 支持向量机和核方法是多个类的问题，那么反向传播更好。神经网络和遗传算法捕捉人们的想象力谁不知道很多关于现代的机器学习，但他们不是最先进的国家。
如果您想了解更多关于人工智能和机器学习，我建议你阅读彼得·诺维格的人工智能：一种现代方法。这是AI的广泛调查和大量的现代技术。它越过历史及以上技术过了，会给你在人工智能和机器学习的基础知识，更完整的接地。
神经网络是很容易的，虽然。特别是如果你使用遗传算法来确定权重，而不是正确的反向传播。
我第二 DWF 的<强>神经网络模式识别按克里斯毕晓普的建议。虽然，这也许不是一个首发文本。弱势族群或在线教程（附代码在Matlab！）可能会是一个温和的介绍。
一个良好的启动项目将是OCR（光学字符识别）。您可以在文本的页面扫描并通过网络以进行分类养活每个字符。 （你必须对网络进行训练第一当然！）。
我可以推荐，其中不启动。我买简介神经网络由凯文·格尼的这对亚马逊的评价不错并声称自己是一个“非常方便地介绍了最重要的议题之一，认知和计算机科学的”。就个人而言，我不会推荐这本书作为一个开始。我可以理解只有10％左右的，但也许这只是我（英语不是我的母语）。我要看到从这个线程的其他选项。
http://www.ai-junkie.com/ann/evolved /nnt1.html 是一个明确的介绍多层感知器，尽管它没有描述BP算法
您也可以看看generation5.org它提供了很多一般在AI的文章，有关于神经网络的一些伟大的文本
如果你不介意花钱的话 脑理论和神经网络手册 非常好。它包含 287 篇文章，涵盖许多学科的研究。它从介绍和理论开始，然后突出显示文章的路径，以最好地涵盖您的兴趣。
对于第一个项目来说， Kohonen 地图 有趣的是 分类:找到你的音乐收藏中隐藏的关系， 建造一个智能机器人, ，或求解 Netflix奖.
我觉得一个好的起点永远是维基百科。在那里，你会发现一些有用的链接，文档和它们使用神经网络的项目了。
我发现Fausett的基础-get-成入门教材。
我找到了教科书“计算智能”是难以置信的帮助。
我同意其他人谁说，攻读生物学是不是一个很好的起点......因为那里有很多的生物学无关的信息。你并不需要了解神经元是如何工作的重新创造功能 - 你只需要模拟其行为。我建议由Ray Kurzweil的“如何创建一个心灵” - 它进入生物学方面是相关的计算模型，（创建通过合并多个输入和发射一旦达到一个门限一simualted神经元），但忽略了irrelvant这样的东西神经元是如何实际上增加了thouse togeather输入。 （你只是使用+和一个不等式到与阈值比较，例如）
我还应该指出的是，这本书是不是真正的“创建记” - 只专注于heirarchical模式识别/大脑皮层。因为我beleive 20世纪80年代的总主题已经讲了，所以有大量的旧的书，可能包含相同的信息有些过时形式。我已阅读旧文件，说明该视觉系统，例如，是一个多层次的图案识别。他认为这也适用于整个大脑皮层。此外，把他的“预言”与一粒盐 - 他的硬件估计可能是相当准确的，但我认为他低估了复杂的简单任务怎么可能（例如：驾驶汽车）。诚然，他已经看到了很大的进步（并且一直是它的一些组成部分），但我仍然认为他是过于乐观。有一个AI车能够比99.9 +％，一个人可以做的时候成功地推动时一英里的90％，有很大的区别。我不希望任何AI要真正走出让我为atleast20年...（我不指望宝马轨道车需要在实际过程中要“受训”，因为他们是不是真的玩同样的游戏）
如果你已经拥有的AI是一个基本的想法，以及如何可以模拟，你可能会更好跳绳的东西更多的技术。
如果你想快速做了解的一个真正的模拟器一些神经网络概念的应用，有一个很大的网上书店（现维基）被称为“计算认知神经科学”在的 http://grey.colorado.edu/CompCogNeuro/index.php/CCNBook/Main
这本书是用在学校的教科书，并指导您完成许多不同的脑区，从单个神经元一路高阶执行功能。
另外，每个部分被扩充的家庭作业“项目”是已经向下你。只需下载，按照步骤，并模拟了一章谈到了一切。他们使用的软件，急诊，是一个小finnicky但令人难以置信的强大的：超过10年的工作及其产品，我相信
我通过它去在本科类过去的这个学期，这是伟大的。一步引导你通过一切步骤
