5.机器学习—神经网络.md

神经网络控制学习必备神器，模糊控制从人的经验出发，解决了智能控制中人类语言的描述和推理问题，尤其是一些不确定性语言的描述和推理问题，从而在机器模拟人脑的感知、推理等智能行为方面迈出了重大的一步。

本文主要是学习BP神经网络的一个总结,其本身也是机器学习中比较基础、适合入门的模型。 目前本人对于机器学习也还只是入门状态,对于很多名词仍然是一知半解(感觉机器学习中的很多术语本身也是模棱两可的),对

卷积神经网络经典结构,yannlecun的LeNet与Alex的AlexNet、以及网络中公式的推导证明,绝对是学习卷积神经网络的必备,一起学习,加油!

本文来自于网络,文章详细介绍了使用Python实现机器学习算法的损失函数、反向传播过程等相关知识。在这一章节里,我们将实现一个简单的神经网络架构,将2维的输入向量映射成二进制输出值。我们的神经网络有

《神经网络与机器学习》由加拿大的SimonHaykin所著，此书结合近年来神经网络和机器学习的最新进展，全面、系统地介绍了神经网络的基本模型、方法和技术，并将神经网络和机器学习有机地结合在一起。

神经网络是计算智能和机器学习的重要分支，在诸多领域都取得了很大的成功。在众多神经网络著作中，影响最为广泛的是SimonHaykin的《神经网络原理》（第3版更名为《神经网络与机器学习》）。在本书中，作

（原书第3版）--神经网络与机器学习

经典神经网络教材，包含计算机模拟的代码，需要的童靴收藏了

机器学习和神经网络推荐书籍包3NeuralNetworks–ASystematicIntroduction.pdf

神经网络与机器学习