需要閱讀神經網絡書籍的前提條件（並瞭解它們）

Question

我一直在努力學習神經網絡一段時間，並且我可以在線瞭解一些基本教程，並且已經能夠通過部分的Neural Computing - An Introduction，但即使在那裏，我正在閱讀大量的數學，並在前幾章後變得完全凌駕於我的頭上。即使那時它是我能找到的最少的書「數學-y」。它不是我害怕數學或其他任何東西，它只是我沒有學到我需要的東西，而我不確定我需要什麼。我目前就讀於當地的大學，正在努力趕上我需要進入MS Comp的課程。科學計劃（我的學士學位在商業/信息系統），我還沒有走得很遠。根據該大學的小課程描述，神經網絡實際上涵蓋在模式識別的電氣工程課程中（對我來說這很奇怪，這門課程是EE），它有幾個EE prereq，我不需要進入MS Comp 。科學。程序。

我對這個話題非常感興趣，並且知道我最終想學到更多關於它的知識，問題是，我不知道我需要首先知道什麼。以下是主題，我想我可能需要，但這是從無知只是猜測：

• 單變量微積分（我有Calc的I和II，所以我覺得我在這裏介紹，剛上市的完整性）
• 多元微積分
• 線性代數（我還沒有考慮這個尚未正式，但實際上可以理解很多從我設法神交維基百科等網站的概念）
• 離散數學（另我還沒有正式入學，但是自己學了一部分
• Graph Theo RY
• 概率論
• 貝葉斯統計
• 電路設計
• 其他數學？
• 其他基本的計算機科學主題

顯然是有神經組件在這裏爲好，但我實際上當他們談論它適用於神經網絡的還沒有理解書本任何麻煩，主要是因爲其概念

總之，有人可以制定出一條需要真正理解的半暢通路徑，閱讀並最終實現Neural Networks？

Answer 1

如果你想要的，你需要了解這本書的大學課程的列表，在這裏它是：

• 微積分（I，II和III）
• 微分方程
• 線性代數
• 統計（或貝葉斯的良好覆蓋）

然而，我在我的NN班就好了無差異。式。只是不得不查找我還沒有研究過的概念。

你可以像上面那樣採取黑匣子的方法，但如果你真的想了解網絡的數學和實現，你必須學習。無論你做什麼，這將是一個陡峭的學習曲線，以充分掌握更先進的網絡。你可以先拿到上面的課程，或者你可以開始閱讀這本書並查看你在維基百科上沒有掌握的所有內容，然後從這些文章中閱讀你需要閱讀的任何內容來理解它們等等。你會發現，無論哪種方式，你最終都會得到通過最初的窺視，事情會變得更容易。

如果你告訴我們爲什麼你想學習神經網絡，這將是一件好事。在我的職業生涯中，我沒有發現他們的一個用途，雖然我不是一個遊戲開發者或電信開發者。

Answer 2

你不能實現「神經網絡」 - 你最終會實現一種特定類型的NN（例如感知器）。有許多不同種類的神經網絡，每種神經網絡都更適合某種特定的任務，並且每種都使用一些專門針對特定類型的數學（而不僅僅是數學）概念。例如，波爾茲曼機器使用統計熱力學的概念（由玻爾茲曼創立）。

至於你的問題：沒有一個明確的目標，沒有明確的（甚至「半清除」）路徑。

Answer 3

我第二個zvrba的想法，你爲自己設定了一個明確的目標。幾個指導性問題： a。你想研究神經網絡作爲生物網絡模型還是計算工具？ b。你對他們的學習方面感興趣嗎？聯想記憶？信號處理？ c。你想了解複雜的理論嗎？或者只是編寫仿真軟件？

另外，我會從小開始：以您最喜歡的編程語言實現perceptron。數學不是那麼糟糕，它可能會把你的注意力集中在你的下一步。使用二進制分類數據集，如UCI's tic-tac-toe endgame。

Answer 4

對於基本的，背prorogation神經網絡，最重要的事情是：

• 積分

• 線性代數

• 基本統計/概率

如果你只是在尋找更具體的主題（你的幫助你已經花了計算器，所以我把它留給了），這裏有一些科目，這將是需要了解的，如果沒有一定直接適用於建立一個神經網絡：

• 求解線性方程組（你會在一個線性代數課程學習這個）

• 最小二乘迴歸

• 優化理論

你應該認識到，還有其他幾種方法可以用來解決神經網絡中的某些問題。

通常解決問題最困難的方面是確定最佳使用方法。