5.7 閱讀材料

• Haykin是很好的神經網絡教科書，Bishop則偏重機器學習和模式識別。神經網絡領域的主流期刊有neural computation，neural networks，IEEE transactions on Neural and Learning Systems。主要的國際學術會議有國際神經信息處理系統會議（NIPS），和國際神經網絡聯合會議（IJCNN，區域性國際會議主要有歐洲神經網絡會議（ICANN）和亞太神經網絡（ICONIP）
• M -P 神經元模型使用最為廣泛，但是還有一些神經元模型也受到關注，如考慮到了電位脈沖發送時間不僅僅是累積電位的脈沖神經元模型。
• BP算法是由Werbos提出來，此后Rummelhart重新發明。BP算法實質上是LMS算法的推廣。LMS試圖將網絡的輸出均方誤差最小化，可用于神經元激活函數可微的感知機學習。將LMS推廣到由非線性可微神經元組成的多層前饋網絡，就得到了BP算法。因此BP算法亦稱為廣義 設個嗎規則
• Mackay在貝葉斯框架下提出了自動確定神經網絡正則化參數的方法，Gori 和 Tesi對BP的局部極小化問題進行了詳細的討論。Yao 綜述了利用以遺傳算法為代表的演化計算技術來生成神經網絡的研究工作。對BP算法的改進由大量的研究，例如為了提速，可在訓練過程中自適應縮小學習率，即先使用較大的學習率然后再逐步的減小。
• 關于RBF（radial basis function ）網絡訓練過程可以參閱Schwenker介紹了ART族算法，SOM網絡在聚類，高維數據可視化，圖像分割等方面有廣泛的應用。可參閱Kohonen綜述了深度學習方面的研究進展。
• 神經網絡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網絡的可解釋性，主要途徑是從神經網絡抽取已于理解的符號。

總結

以上是生活随笔為你收集整理的5.7 阅读材料的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。