5.7 閱讀材料

• Haykin是很好的神經(jīng)網(wǎng)絡(luò)教科書(shū)，Bishop則偏重機(jī)器學(xué)習(xí)和模式識(shí)別。神經(jīng)網(wǎng)絡(luò)領(lǐng)域的主流期刊有neural computation，neural networks，IEEE transactions on Neural and Learning Systems。主要的國(guó)際學(xué)術(shù)會(huì)議有國(guó)際神經(jīng)信息處理系統(tǒng)會(huì)議（NIPS），和國(guó)際神經(jīng)網(wǎng)絡(luò)聯(lián)合會(huì)議（IJCNN，區(qū)域性國(guó)際會(huì)議主要有歐洲神經(jīng)網(wǎng)絡(luò)會(huì)議（ICANN）和亞太神經(jīng)網(wǎng)絡(luò)（ICONIP）
• M -P 神經(jīng)元模型使用最為廣泛，但是還有一些神經(jīng)元模型也受到關(guān)注，如考慮到了電位脈沖發(fā)送時(shí)間不僅僅是累積電位的脈沖神經(jīng)元模型。
• BP算法是由Werbos提出來(lái)，此后Rummelhart重新發(fā)明。BP算法實(shí)質(zhì)上是LMS算法的推廣。LMS試圖將網(wǎng)絡(luò)的輸出均方誤差最小化，可用于神經(jīng)元激活函數(shù)可微的感知機(jī)學(xué)習(xí)。將LMS推廣到由非線性可微神經(jīng)元組成的多層前饋網(wǎng)絡(luò)，就得到了BP算法。因此BP算法亦稱為廣義 設(shè)個(gè)嗎規(guī)則
• Mackay在貝葉斯框架下提出了自動(dòng)確定神經(jīng)網(wǎng)絡(luò)正則化參數(shù)的方法，Gori 和 Tesi對(duì)BP的局部極小化問(wèn)題進(jìn)行了詳細(xì)的討論。Yao 綜述了利用以遺傳算法為代表的演化計(jì)算技術(shù)來(lái)生成神經(jīng)網(wǎng)絡(luò)的研究工作。對(duì)BP算法的改進(jìn)由大量的研究，例如為了提速，可在訓(xùn)練過(guò)程中自適應(yīng)縮小學(xué)習(xí)率，即先使用較大的學(xué)習(xí)率然后再逐步的減小。
• 關(guān)于RBF（radial basis function ）網(wǎng)絡(luò)訓(xùn)練過(guò)程可以參閱Schwenker介紹了ART族算法，SOM網(wǎng)絡(luò)在聚類(lèi)，高維數(shù)據(jù)可視化，圖像分割等方面有廣泛的應(yīng)用。可參閱Kohonen綜述了深度學(xué)習(xí)方面的研究進(jìn)展。
• 神經(jīng)網(wǎng)絡(luò)是一種按難以解釋的黑箱模型，但是已有的一些工作嘗試改善神經(jīng)網(wǎng)絡(luò)的可解釋性，主要途徑是從神經(jīng)網(wǎng)絡(luò)抽取已于理解的符號(hào)。

總結(jié)

以上是生活随笔為你收集整理的5.7 阅读材料的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。