Apprendimento delle reti neurali: Fondamenti teorici

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 10 voti.

Titolo originale:

Neural Network Learning: Theoretical Foundations

Contenuto del libro:

Questo importante lavoro descrive i recenti progressi teorici nello studio delle reti neurali artificiali. Esplora i modelli probabilistici dei problemi di apprendimento supervisionato e affronta le principali questioni statistiche e computazionali.

I capitoli analizzano la ricerca sulla classificazione di pattern con reti a uscita binaria, compresa una discussione sulla rilevanza della dimensione di Vapnik Chervonenkis e sulle stime della dimensione per diversi modelli di reti neurali. Inoltre, Anthony e Bartlett sviluppano un modello di classificazione con reti a uscita reale e dimostrano l'utilità della classificazione con un ampio margine. Gli autori spiegano il ruolo delle versioni sensibili alla scala della dimensione di Vapnik Chervonenkis nella classificazione con ampio margine e nella previsione reale.

I capitoli chiave discutono anche la complessità computazionale dell'apprendimento delle reti neurali, descrivendo una serie di risultati di durezza e delineando due algoritmi di apprendimento efficienti e costruttivi. Il libro è autonomo e accessibile a ricercatori e studenti laureati in informatica, ingegneria e matematica.