인공 신경 네트워크에 대해 배우기위한 좋은 자료는 무엇입니까? [닫은
https://stackoverflow.com/questions/478947
-
20-08-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian문제
나는 인공 신경망에 정말로 관심이 있지만 시작할 장소를 찾고 있습니다.
거기에 어떤 리소스가 있으며 좋은 시작 프로젝트는 무엇입니까?
해결책
다음은 신경 순 프로그래밍의 몇 가지 예입니다.http://www.codeproject.com/kb/recipes/neural_dot_net.aspx
여기서 읽을 수 있습니다.http://web.archive.org/web/20071025010456/http://www.geocities.com/capecanaveral/lab/3765/neural.html
나는 내 입장에서 그것에 대한 과정을 방문하고 일부 문학을 통해 일했습니다.
다른 팁
우선, 인공 신경망이 뇌와 관련이 있지만 생물학적 뉴런의 네트워크와 유사하게 유사하다는 개념을 포기합니다. 학습 생물학은 신경망을 효과적으로 적용하는 데 도움이되지 않습니다. 선형 대수 학습, 미적분학 및 확률 이론을 학습 할 것입니다. 최소한 기능의 기본 차별화, 체인 규칙, 부분 파생 상품 (그라디언트, 자코비안 및 Hessian) 및 매트릭스 곱셈 및 대각선 이해에 대한 아이디어에 익숙해 져야합니다.
실제로 네트워크를 훈련시킬 때 수행하는 일은 크고 다차원적인 기능을 최적화하고 (네트워크의 각 가중치에 대한 오류 측정을 최소화 함) 비선형 수치 최적화 기술을 조사하는 것이 유익 할 수 있습니다. 이것은 신경망 이외의 많은 문헌 기반으로 널리 연구 된 문제이며 웹에서 이용할 수있는 수치 최적화에는 많은 강의 노트가 있습니다. 우선, 대부분의 사람들은 단순한 것을 사용합니다 그라디언트 하강, 그러나 이것은 더 미묘한 방법보다 훨씬 느리고 덜 효과적 일 수 있습니다.
기본 아이디어를 얻으면 숨겨진 레이어에서 다양한 "스쿼시"기능을 실험하여 다양한 종류의 정규화를 추가하고 학습을 더 빨리 진행할 수 있도록 다양한 조정을 시작할 수 있습니다. 보다 이 종이 "모범 사례"의 포괄적 인 목록.
이 주제에 관한 최고의 책 중 하나는 Chris Bishop 's입니다. 패턴 인식을위한 신경망. 이 단계에서는 상당히 오래되었지만 여전히 훌륭한 리소스이며 종종 약 30 달러에 온라인으로 중고 사본을 찾을 수 있습니다. 그의 새로운 책의 신경망 장, 패턴 인식 및 기계 학습, 또한 매우 포괄적입니다. 특히 우수한 구현 중심 튜토리얼을 위해 codeproject.com에서 이것을 참조하십시오 이것은 Convolutional Network라는 영리한 종류의 네트워크를 구현하며, 이는 시각적 패턴을 분류하는 것을 배우는 데 매우 도움이되는 방식으로 연결성을 제한합니다.
지원 벡터 머신 및 기타 커널 방법은 대중이 무엇을하고 있는지 모르고 종종 허용 가능한 결과를 얻지 못하고 적용 할 수 있기 때문에 인기가 높아졌습니다. 반면에 신경망은 많은 문제, 특히 컴퓨터 비전과 같은 도메인의 대규모 문제에 여전히 바람직하지만 신중한 튜닝이 필요한 거대한 최적화 문제입니다.
Anoop Madhusudanan 의이 훌륭한 시리즈를 강력히 추천합니다. 코드 프로젝트.
그는 기초를 통해 그들이 어떻게 작동하는지 이해하기 위해 당신을 안내합니다. 이해하기 쉽습니다 그리고 그의 사용 방법을 보여줍니다 brainnet 자신만의 라이브러리.
신경망은 요즘 일종의 선언입니다. 벡터 머신을 지원합니다 그리고 커널 방법 더 많은 클래스의 문제에 대해 더 나은 다음 역전을 수행합니다. 신경 네트워크와 유전자 알고리즘은 현대 머신 러닝에 대해 잘 모르는 사람들의 상상력을 포착하지만 최신의 최신이 아닙니다.
AI 및 머신 러닝에 대해 자세히 알고 싶다면 Peter Norvig의 읽기를 권장합니다. 인공 지능 : 현대적인 접근. AI와 많은 현대 기술에 대한 광범위한 조사입니다. 그것은 역사와 오래된 기술을 극복하고 AI 및 기계 학습의 기본 사항에 대한보다 완전한 근거를 제공 할 것입니다.
그러나 신경망은 매우 쉽습니다. 특히 유전자 알고리즘을 사용하여 가중치를 결정하는 것이 아니라 적절한 역전술.
나는 두 번째 DWF의 추천 패턴 인식을위한 신경망 Chris Bishop에 의해. 그러나 아마도 스타터 텍스트가 아닐 수도 있습니다. Norvig 또는 온라인 튜토리얼 (Matlab의 코드 포함)은 아마도 부드러운 소개 일 것입니다.
좋은 스타터 프로젝트는 OCR (광학 문자 인식)입니다. 분류를 수행하기 위해 텍스트 페이지를 스캔하고 네트워크를 통해 각 문자를 공급할 수 있습니다. (물론 네트워크를 먼저 훈련시켜야 할 것입니다!).
Raul Rojas의 책 아주 좋은 시작입니다 (무료입니다). 또한, Haykin의 책 3 판, 대량은 있지만 매우 잘 설명되어 있습니다.
시작하지 않을 곳을 추천 할 수 있습니다. 나는 샀다 신경망 소개 Amazon에 대한 좋은 리뷰를 가지고 있으며 "인지 및 컴퓨터 과학에서 가장 중요한 주제 중 하나에 대한 접근성이 높은 소개"라고 주장하는 Kevin Gurney. 개인적으로, 나는이 책을 시작으로 추천하지 않을 것입니다. 나는 그것의 약 10% 만 이해할 수 있지만, 아마도 나일뿐입니다 (영어는 내 모국어가 아닙니다). 이 스레드에서 다른 옵션을 살펴 보겠습니다.
http://www.ai-junkie.com/ann/evolved/nnt1.html 역설 알고리즘을 설명하지는 않지만 멀티 층 퍼셉트론에 대한 명확한 소개입니다.
또한 AI에 대한 많은 기사를 제공하는 Generation5.org를 볼 수 있으며 신경망에 대한 훌륭한 텍스트가 있습니다.
돈을 쓰지 않는다면 뇌 이론 및 신경망의 핸드북 아주 좋습니다. 여기에는 많은 분야에서 연구를 다루는 287 개의 기사가 포함되어 있습니다. 그것은 소개와 이론으로 시작한 다음 기사를 통해 경로를 강조하여 귀하의 관심사를 가장 잘 충족시킵니다.
첫 번째 프로젝트는 코 호넨지도 흥미 롭습니다 분류: 음악 컬렉션에서 숨겨진 관계를 찾으십시오. 스마트 로봇을 구축하십시오, 또는 해결 넷플릭스 상.
좋은 출발점은 항상있을 것이라고 생각합니다 위키 백과. 거기에는 신경망을 사용하는 문서 및 프로젝트에 대한 유용한 링크가 있습니다.
공부 중에 사용 된 두 권의 책 :
소개 과정 : Igor Aleksander와 Helen Morton의 신경 컴퓨팅 소개.
고급 코스 : Robert Hecht-Nielsen의 신경 컴퓨팅
나는 Fausett를 찾았습니다 신경망의 기초 간단하고 간단하기 쉬운 입문 교과서.
교과서 "계산 지능"이 엄청나게 도움이된다는 것을 알았습니다.
집단 지능 프로그래밍 검색 및 순위 알고리즘의 맥락에서이를 논의합니다. 또한 사용 가능한 코드에서 여기 (Ch.4에서),이 책에서 논의 된 개념은 파이썬 예에 설명되어 있습니다.
나는 생물학을 공부하는 것이 좋은 출발점이 아니라고 말한 다른 사람들에게 동의합니다 ... 생물학에서 관련이없는 많은 정보가 있기 때문입니다. 뉴런이 기능을 재현하기 위해 어떻게 작동하는지 이해할 필요는 없습니다. 행동을 시뮬레이션하면됩니다. Ray Kurzweil의 "마음을 창조하는 방법"을 추천합니다 - 그것은 계산 모델과 관련된 생물학의 측면으로 들어갑니다. 뉴런이 실제로 입력을 추가하는 방법. (예를 들어 임계 값과 비교하기 위해 +와 불평등을 사용합니다.)
또한이 책은 실제로 '마음을 만드는 것'에 관한 것이 아니라는 점을 지적해야합니다. 그것은 신속한 패턴 인식 / 신피질에만 초점을 맞 춥니 다. 일반적인 주제는 1980 년대 이래로 I Beleive 이후에 대해 이야기되었으므로 동일한 정보의 약간 날짜가 작은 형태를 포함하는 오래된 책이 많이 있습니다. 예를 들어 비전 시스템이 다중 계층 패턴 인식기라는 점을 언급 한 오래된 문서를 읽었습니다. 그는 이것이 전체 신피질에 적용된다고 주장한다. 또한, 그의 '예측'을 소금 한 알로 가져 가십시오. 그의 하드웨어 추정치는 아마도 매우 정확하지만, 나는 간단한 작업이 얼마나 복잡한 지 (예 : 자동차 운전)를 과소 평가한다고 생각합니다. 물론, 그는 많은 진전을 보았지만 (그 중 일부의 일부였습니다) 나는 여전히 그가 낙관적이라고 생각합니다. AI 자동차가 인간이 할 수있는 99.9+%와 비교할 때 시간의 90%를 성공적으로 운전할 수있는 AI 차량 사이에는 큰 차이가 있습니다. 나는 AI가 진정으로 20 년 동안 나를 몰아낼 것으로 기대하지 않습니다 ... 게임)
AI가 무엇인지, 어떻게 모델링 할 수 있는지에 대한 기본 아이디어가 이미 있다면 더 기술적 인 것을 건너 뛰는 것이 더 나을 수 있습니다.
실제 시뮬레이터에 대한 일부 신경망 개념의 응용에 대해 빨리 배우고 싶다면 'Computational Cognitive Neuroscience'라는 훌륭한 온라인 책 (현재 Wiki)이 있습니다. http://grey.colorado.edu/compcogneuro/index.php/ccnbook/main
이 책은 학교에서 교과서로 사용되며 개별 뉴런에서 고차의 경영진 기능에 이르기까지 다양한 뇌 영역을 안내합니다.
또한 각 섹션에는 이미 다운 된 숙제 '프로젝트'로 확대됩니다. 그냥 다운로드하고 단계를 따르고 장에서 이야기 한 모든 것을 시뮬레이션하십시오. 그들이 사용하는 소프트웨어는 약간 칙칙하지만 엄청나게 강력합니다. 제가 믿는 10 년 이상의 작업의 제품입니다.
나는 지난 학기에 학부 수업에서 그것을 겪었고 훌륭했습니다. 모든 것을 단계별로 안내합니다
