Reti neurali per il riconoscimento dei modelli

Recensioni dei lettori

Il libro offre una solida introduzione alle reti neurali, concentrandosi in particolare sulle strutture feed-forward e sulle loro basi statistiche. Sebbene contenga contenuti teorici di valore, è stato criticato per essere troppo avanzato per i principianti, per la mancanza di esempi pratici e per essere un po' datato rispetto ai recenti progressi nel campo. I lettori con una solida preparazione matematica possono trarre i maggiori benefici, poiché il materiale è fortemente matematico e teorico.

⬤ Introduzione completa alle reti neurali feed-forward.
⬤ Forte enfasi sulla statistica e sulle basi matematiche.
⬤ Ben strutturato e con una progressione logica degli argomenti.
⬤ Prezioso per chi ha conoscenze pregresse, offre una comprensione più approfondita dei concetti.
⬤ Presentazione chiara e formale di argomenti complessi.

⬤ Datato e non copre i recenti progressi nel deep learning.
⬤ Può essere troppo avanzato e teorico per i principianti o per chi non ha un forte background matematico.
⬤ Mancano esempi concreti e applicazioni pratiche dei concetti trattati.
⬤ Gli esercizi possono non rafforzare efficacemente i concetti e mancano di risposte per l'autovalutazione.
⬤ Alcuni lettori lo trovano eccessivamente accademico, con spiegazioni insufficienti per i concetti chiave.

(basato su 31 recensioni dei lettori)

Titolo originale:

Neural Networks for Pattern Recognition

Contenuto del libro:

Questa è la prima trattazione completa delle reti neurali feed-forward dal punto di vista del riconoscimento statistico dei pattern.

Dopo aver introdotto i concetti di base, il libro esamina le tecniche di modellazione delle funzioni di densità di probabilità e le proprietà e i vantaggi dei modelli di rete a perceptron multistrato e a funzione di base radiale. Vengono inoltre trattate le varie forme di funzioni di errore, i principali algoritmi per la minimizzazione delle funzioni di errore, l'apprendimento e la generalizzazione nelle reti neurali, le tecniche bayesiane e le loro applicazioni.

Concepita come un testo, con oltre 100 esercizi, quest'opera completamente aggiornata sarà utile a chiunque sia coinvolto nei campi della computazione neurale e del riconoscimento dei modelli.