Посоветуйте книг по нейронным сетям

Я не очень люблю читать много текста с монитора

Электронную читалку не судьба купить?

Нейронные сети, С. Хайкин. Только эту книгу трудно осилить без соотвествующий мат. подготовки.

Хайкина в бумаге уже, увы, почти не найти. Только если мониторить алиб, буксру и просто объявления.

Хайкина в бумаге уже, увы, почти не найти.

Да, странно, раньше легко можно было найти. Навряд ли удастся найти какие-нибудь сравнимые альтернативы этой книге.

Нейронные сети, С. Хайкин

Ужасная книга. У мужика талант простые вещи делать сложными, а интересные - скучными.

Самая годная книга из мне известных - вот эта: http://www.dkriesel.com/en/science/neural_networks. Написана простым человеческим языком, при этом очень содержательная. Её более чем достаточно, чтобы начать самому юзать нейросети и разбираться в чужом коде, а также читать статьи по теме. Более сложные книги имеет смысл читать только выборочно.

У мужика талант простые вещи делать сложными, а интересные - скучными.

Да это везде так. На 99%.

О, есть даже вариант на немецком! Отлично!

Почитал оглавление, она устаревшая, по-моему. Сейчас вовсю используют конволюционные сети, автоэнкодеры, RBM и т.д., а в книге они даже не упоминаются. Зато описано много такого, чего я вообще не видел в распространенных нейропакетах. Или методы тренировки. Они довольно разнообразные, но в книге многие не упоминаются. Это проблема, все очень быстро развивается. Я никогда не интересовался книгами по сетям и не могу ничего посоветовать, кроме онлайн туториалов:
http://deeplearning.net/tutorial/
http://deeplearning.net/reading-list/tutorials/

однако не уверен, что они дают всесторонний теоретический обзор, если требуется именно это.

Посмотрел Хайкина на русском. Это жуть и мрак. Даже неплохо зная векторные машины (SVM), с огромным трудом декодировал главу о них. Не знаю, что там на английском, но уже то, что он зачем-то отнес SVM к нейросетям говорит о том, что человек не хочет прямых путей.

Вот вроде хорошая теоретическая книга. Но про сети в ней мало:
http://www.amazon.com/Learning-Data-Concepts-Theory-Methods/dp/0471681822/ref...

И вот отличная:
http://www.amazon.com/Learning-From-Data-Yaser-Abu-Mostafa/dp/1600490069
тоже теория. Нейросети рассматриваются в электронном приложении, вышедшем позднее отдельно.

Там самые основы же, которые нельзя не знать. Конволюционные сети и автоенкодеры - это всё те же feed-forward сети, backpropagation, градиентное обучение. Да и классических полносвязных сетей они не отменяют. RBM - это стохастическая версия старых добрых сетей Хопфилда, о которых в книге целая глава. (Да и мода на RBM и DBN потихоньку проходит.) Вообще, хайповые технологии приходят и уходят, а эта классика никуда не девается.

Каллан Р. Основные концепции нейронных сетей = The Essence of Neural Networks First Edition. — М.: Вильямс, 2001. — 288 с. — ISBN 5-8459-0210-X.

Вроде, довольно понятная книжка, начало так почти «для чайников».

А по-моему, сначала имеет смысл познакомиться с машинным обучением вообще. А нейросети - просто один из инструментов. И кроме них там ещё много всего полезного.

Курсеровский курс вроде неплох: http://ml-class.org/.

Ещё вот эта книга мне нравится: http://www-bcf.usc.edu/~gareth/ISL/ - там всё очень доступно и с туториалами на R. Годится даже для полных чайников. Те же SVM там вообще шикарно изложены, Хайкин пускай убьётся головой. Кому покажется слишком просто, есть более сложная книга от тех же авторов: http://statweb.stanford.edu/~tibs/ElemStatLearn/ - но по-моему она как-то хуже удалась. Местами хорошо написано, а местами жутко усложнено и перегружено обозначениями, новичок вообще бошку сломит. Лучше всего использовать как приложение к первой книге, когда хочется углублённой теории.

Попался отличный FAQ по сетям. Там есть и ссылки на хорошую литературу. Это из юзнета и поэтому несколько устаревшее, но если нужна именно теория, то сгодится

http://www.faqs.org/faqs/ai-faq/neural-nets/part1/preamble.html

Можно распечатать.

https://cran.r-project.org/web/views/MachineLearning.html

Машинное обучение видео лекции. https://yandexdataschool.ru/edu-process/courses/machine-learning

Ого, круто, спасибо!

В хакерских кругах советовали эту книгу: http://neuralnetworksanddeeplearning.com/chap1.html, как одну из лучших по САБЖу.

в хакерских кругах

hacker news

Лол.

Алсо, на мой взгляд, у 99% книжек по нейросетям есть одна проблема. Они всё описывают в терминах нейронов и соединений, как это было принято в 80-х. Хотя современная теория и практика от этого давно ушла. К людям пришло понимание, что нейросети - это по сути линейная регрессия на стеройдах. Классический перцептрон на современном языке - это просто (векторная) функция f(x) = sgn(Ax + b). Где матрица A и свободный вектор b оптимизируются так, чтобы эта функция наилучшим образом описывала «экспериментальные данные». И все любые сложные «глубокие» нейросети - просто обычные функции с параметрами, которые можно оптимизировать. Современный софт, типа Torch и TensorFlow, так и работает. В таком виде, без лишней эзотерики, нейросети внезапно становятся простыми и понятными, пресловутый backpropagation - просто умное название для правила дифференцирования составных функций из 9 класса, и т. д. Мечтаю когда-нибудь увидеть книгу о нейросетях с таким соврвеменным подходом. Пока видел только видеолекции от гугла. Само по себе удивительно: вся теория нейросетей уместилась в четыре часа, включая и CNN, и RNN. Не знаю, правда, можно ли это усвоить полностью с нуля, лол. Но посмотреть точно стоит.

>>> Подробности