Tài liệu tham khảo mạng thần kinh (sách giáo khoa, khóa học trực tuyến) cho người mới bắt đầu


43

Tôi muốn tìm hiểu Mạng lưới thần kinh. Tôi là một nhà ngôn ngữ học tính toán. Tôi biết phương pháp học máy thống kê và có thể viết mã bằng Python.

Tôi đang tìm cách bắt đầu với các khái niệm của nó và biết một hoặc hai mô hình phổ biến có thể hữu ích từ góc độ Ngôn ngữ học tính toán.

Tôi duyệt web để tham khảo và tìm thấy một vài cuốn sách và tài liệu.

  • Ripley, Brian D. (1996) Nhận dạng mẫu và Mạng lưới thần kinh, Cambridge

  • Giám mục, CM (1995) Mạng lưới thần kinh để nhận dạng mẫu, Oxford: Nhà xuất bản Đại học Oxford.

  • một số liên kết, như luận án này , các ghi chú khóa học (Khoa Tâm lý của Đại học Toronto), các ghi chú khóa học này (Khoa học Máy tính của Đại học Wisconsin) và trình chiếu này (Nghiên cứu của Facebook).

Các khóa học Coursera nói chung là tốt đẹp, nếu bất cứ ai biết bất cứ điều gì có liên quan từ họ. Tôi thích các tài liệu với ngôn ngữ sáng suốt và các ví dụ phong phú.


2
Tôi đã cố gắng chỉnh sửa văn bản để làm cho nó hợp lý hơn, thoải mái sửa đổi các chỉnh sửa của tôi nếu bạn cảm thấy rằng họ đã thay đổi bất cứ điều gì theo cách bạn không thích.
Cá bạc

Nó không rõ ràng những gì bạn đang hỏi. Vui lòng làm rõ những gì bạn hy vọng sẽ học được từ người trả lời CV.
Mike Hunter

youtube.com/channel/UC0z_jCi0XWqI8awUuQRFnyw rất khuyến khích khóa học giáo sư của trường đại học Oxford này
Joe Half Face

Mục tiêu ban đầu của tôi là tìm hiểu các nguyên tắc cơ bản của ANN và thành thạo một hoặc hai mô hình để tạo ra một số công cụ khai thác văn bản, như Phân tích thẻ PoS hoặc Phân tích tình cảm. Một khi tôi có được chiều sâu nhẹ, tôi tin rằng tôi có thể tự mình di chuyển.
HIGGIN

Câu trả lời:


34

Bạn may mắn! Có một số lượng đáng kinh ngạc các nguồn tài nguyên có sẵn tại thời điểm này. Cụ thể, bạn có thể nhìn vào:


Bắt đầu với một mạng thần kinh đệ quy wildml.com/2015/09/ Khăn
user3916597

Đọc về cách nó hoạt động. Sau đó tiến tới các mạng không đệ quy và mã tìm lại propogation cho mỗi.
dùng3916597

2
Bạn có thể cung cấp các tác giả và tiêu đề cho tất cả mọi thứ mà bạn đang trích dẫn, để câu trả lời của bạn trở nên có thể tìm kiếm và vẫn hữu ích ngay cả khi một số liên kết bị chết?
amip nói rằng Phục hồi lại

17

Tài liệu tham khảo chính:

Các khóa học về học tập sâu:

Định hướng NLP:

Định hướng tầm nhìn:

Hướng dẫn dành riêng cho bộ công cụ:


6

http://www.kdnuggets.com/2015/11/seven-steps-machine-learning-python.html

http://neuralnetworksanddeeplearning.com/

Đây là tài nguyên yêu thích của tôi. Bắt đầu với khóa học máy Stanford, nhưng thích đọc hơn các bài giảng. Đặc biệt bởi vì các bài đọc được dựa trên ví dụ.


2
Chào mừng đến với trang web. Hiện tại đây là một nhận xét nhiều hơn là một câu trả lời. Bạn có thể mở rộng nó, có lẽ bằng cách đưa ra một bản tóm tắt thông tin tại liên kết hoặc chúng tôi có thể chuyển đổi nó thành một nhận xét cho bạn.
gung - Phục hồi Monica

2
Điều này có vẻ giống như một câu trả lời hữu ích, nhưng nó hơi mơ hồ: những "bài đọc" này mà bạn đề cập đến là gì? Nhận xét của bạn liên kết đến hai liên kết nào?
whuber

Cảm ơn tất cả các bạn đã nỗ lực và thời gian. Hy vọng tôi có thể tôn trọng nó bằng cách học tốt.
HIGGIN


1

Mạng lưới thần kinh và Deep Learning là điểm khởi đầu dễ tiếp cận .

Mạng nơ-ron và Deep Learning là một cuốn sách trực tuyến miễn phí. Cuốn sách sẽ dạy bạn về:

Mạng lưới thần kinh, mô hình lập trình lấy cảm hứng từ sinh học tuyệt đẹp cho phép máy tính học từ dữ liệu quan sát Học sâu, một bộ kỹ thuật mạnh mẽ để học trong mạng thần kinh Mạng thần kinh và học sâu hiện đang cung cấp giải pháp tốt nhất cho nhiều vấn đề về nhận dạng hình ảnh, lời nói công nhận, và xử lý ngôn ngữ tự nhiên. Cuốn sách này sẽ dạy cho bạn nhiều khái niệm cốt lõi đằng sau mạng lưới thần kinh và học tập sâu.



Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.