资源名称：神经网络与机器学习（原书第3版） PDF

0.1 什么是神经网络

0.2 人类大脑

0.3 神经元模型

0.4 被看作有向图的神经网络

0.5 反馈

0.6 网络结构

0.7 知识表示

0.8 学习过程

0.9 学习任务

0.10 结束语

注释和参考文献

第1章 Rosenblatt感知器

1.1 引言

1.2 感知器

1.3 感知器收敛定理

1.4 高斯环境下感知器与贝叶斯分类器的关系

1.5 计算机实验：模式分类

1.6 批量感知器算法

1.7 小结和讨论

注释和参考文献

习题

第2章 通过回归建立模型

2.1 引言

2.2 线性回归模型：初步考虑

2.3 参数向量的最大后验估计

2.4 正则最小二乘估计和MAP估计之间的关系

2.5 计算机实验：模式分类

2.6 最小描述长度原则

2.7 固定样本大小考虑

2.8 工具变量方法

2.9 小结和讨论

注释和参考文献

习题

第3章 最小均方算法

3.1 引言

3.2 LMS算法的滤波结构

3.3 无约束最优化：回顾

3.4 维纳滤波器

3.5 最小均方算法

3.6 用马尔可夫模型来描画LMS算法和维纳滤波器的偏差

3.7 朗之万方程：布朗运动的特点

3.8 Kushner直接平均法

3.9 小学习率参数下统计LMS学习理论

3.10 计算机实验ⅰ：线性预测

3.11 计算机实验ⅱ：模式分类

3.12 LMS算法的优点和局限

3.13 学习率退火方案

3.14 小结和讨论

注释和参考文献

习题

资源截图：