Učení pomocí neuronových sítí: Teoretické základy

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 10 hlasů.

Původní název:

Neural Network Learning: Theoretical Foundations

Obsah knihy:

Tato významná práce popisuje nejnovější teoretické pokroky ve studiu umělých neuronových sítí. Zkoumá pravděpodobnostní modely problémů učení pod dohledem a zabývá se klíčovými statistickými a výpočetními otázkami.

V kapitolách je uveden přehled výzkumu klasifikace vzorů pomocí sítí s binárním výstupem, včetně diskuse o významu Vapnikovy Chervonenkisovy dimenze a odhadů této dimenze pro několik modelů neuronových sítí. Anthony a Bartlett navíc rozvíjejí model klasifikace pomocí sítí s reálným výstupem a demonstrují užitečnost klasifikace s velkou rezervou. Autoři vysvětlují úlohu škálově citlivých verzí Vapnikovy Chervonenkisovy dimenze při klasifikaci s velkou rezervou a při reálné predikci.

Klíčové kapitoly se rovněž zabývají výpočetní složitostí učení neuronových sítí, popisují řadu výsledků tvrdosti a nastiňují dva efektivní, konstruktivní algoritmy učení. Kniha je samostatná a přístupná výzkumným pracovníkům a postgraduálním studentům informatiky, inženýrství a matematiky.