दुर्भाग्यवश, मुझे नहीं पता कि कोई अच्छा एकल "प्रोग्रामर स्रोत" है जो आपको सभी अवधारणाओं को देगा। मुझे Neural and Adaptive Systems: Fundamentals through Simulations पसंद आया।
तंत्रिका नेटवर्क की "प्रोग्रामर की समझ" रखने का सबसे अच्छा तरीका कोड की जांच करके इतना नहीं है, लेकिन समस्या और सही परिणामों में। इसलिए, यदि आप गणित को देखना नहीं चाहते हैं, तो मैं आपको किसी दिए गए समस्या को देखने की सलाह देता हूं। उदाहरण के लिए, एक्सओआर समस्या पर एक उदाहरण के रूप में विचार करें कि आपको गैर-रैखिक सक्रियण फ़ंक्शंस की आवश्यकता क्यों है, यह समझने के लिए चर की संख्या और उनके संभावित मूल्यों को देखें कि एक तंत्रिका नेटवर्क को एक निश्चित आकार और टोपोलॉजी प्रभावी होने की आवश्यकता क्यों है, और अपने डेटा को ट्रेन/टेस्ट शासन में विभाजित करें और यह देखने के लिए अध्ययन करें कि ओवरफिटिंग खतरनाक क्यों है। डेटा के साथ कोड की जांच करें।
मैं भी बहुत लटका नहीं पाने की सलाह देता हूं, लेकिन आगे पढ़ रहा हूं। एक बार जब आप पुनरावर्ती और रचनात्मक तंत्रिका नेटवर्क में अपना सामान्यीकरण देखते हैं तो फ़ीड-फ़ॉरवर्ड नेटवर्क में कुछ अभ्यास अधिक स्पष्ट हो जाते हैं। मैं व्यापक रूप से जाने की भी सिफारिश करता हूं: बेयसियन नेटवर्क, अस्पष्ट संज्ञानात्मक मानचित्र, एसओएम, बोल्टज़मैन मशीन, नकली एनीलिंग, और सुदृढीकरण सीखने में सभी अंतर्ज्ञान हैं।
क्या यह आपके प्रश्न का उत्तर देने की ओर जाता है?
स्रोत
2008-11-23 15:50:31
न्यूरल नेटवर्क सिर्फ कल्पना प्रक्षेप कार्य हैं। मुझे संदेह है कि आप एक तंत्रिका नेटवर्क का एक दूरस्थ रूप से सटीक वर्णन प्राप्त कर सकते हैं जो बताए बिना इंटरपोलेशन क्या है। –