神经网络与机器学习

《神经网络与机器学习(英文版第3版)》是一本可读性极强的著作。在书中，作者详细探讨分析了神经网络的基本模型和主要学习理论，并通过大量的试验报告、例题和习题帮助读者更好地学习神经网络。神经网络是计算智能和机器学习的重要分支，已经在多个领域获得了巨大的成功。其中，Simon Haykin的《神经网络原理》（第4版更名为《神经网络与机器学习》）是影响最为广泛的一本书之一。而在《神经网络与机器学习(英文版第3版)》中，作者结合了近年来神经网络和机器学习的最新进展，全面系统地介绍了神经网络的基本模型、方法和技术，并将神经网络和机器学习有机地结合在一起。书中不仅注重对数学分析方法和理论的探讨，也非常关注神经网络在模式识别、信号处理以及控制系统等实际工程问题中的应用。此外，本版在前一版的基础上进行了广泛修订，提供了神经网络和机器学习这两个越来越重要的学科的最新分析。

作者简介

SimonHaykin，于1953年获得英国伯明翰大学博士学位，目前为加拿大McMaster大学电子与计算机工程系教授、通信研究实验室主任。他是国际电子电气工程界的著名学者，曾获得IEEEMcNaughton金奖。他是加拿大皇家学会院士、IEEE会士，在神经网络、通信、自适应滤波器等领域成果颇丰，著有多部标准教材。