什么是学习人工神经网络的好资源？
我对人工神经网络非常感兴趣，但我正在寻找一个开始的地方。
那里有什么资源，什么是一个好的启动项目？
这里是一些神经网络编程的例子。 http://www.codeproject.com/KB/recipes/neural_dot_net.aspx
你可以从这里开始阅读：http://web.archive.org/web/20071025010456/http://www.geocities.com/CapeCanaveral/Lab/3765/neural.html
我本人也参观过一门关于它的课程，并通过一些文献进行了研究。
首先，放弃人工神经网络与大脑有任何关系，但与生物神经元网络相似的观点。 学习生物学不会帮助你有效地应用神经网络; 学习线性代数，微积分和概率论。 你至少应该让自己熟悉函数的基本区分，链规则，偏导数（梯度，雅可比行列式和Hessian行列式）以及理解矩阵乘法和对角化。
当你训练网络时，你真的在做什么是优化一个大的多维函数（最小化你对网络中每个权重的误差测量），因此对非线性数值优化技术的调查可能是有益的。 这是一个广泛研究的问题，在神经网络之外有大量的文献资料，网络上有大量关于数值优化的讲义。 首先，大多数人使用简单的渐变下降，但这比像更细微的方法慢得多，效率也低
一旦你掌握了基本想法，你就可以开始在隐藏层中尝试不同的“挤压”功能，添加各种正则化和各种调整，以使学习更快。 请参阅本文以获取“最佳实践”的完整列表。
关于这个主题的最好的书籍之一是Chris Bishop的模式识别神经网络。 在这个阶段它已经很老了，但仍然是一个很好的资源，你通常可以在网上找到大约30美元的二手拷贝。 他的新书“模式识别和机器学习”中的神经网络章节也非常全面。 对于一个特别好的以实现为中心的教程，请参阅CodeProject.com上的这个教程，该教程实现了一种称为卷积网络的巧妙类型的网络，该网络以这种方式限制连接性，使得它非常擅长学习分类视觉模式。
支持向量机和其他内核方法已经变得非常流行，因为你可以应用它们而不知道你在做什么，并经常得到可接受的结果。 另一方面，神经网络是巨大的优化问题，需要仔细的调整，尽管它们仍然适用于许多问题，尤其是计算机视觉领域的大规模问题。
我强烈推荐Anoop Madhusudanan编写的这个优秀系列。
他通过基础知识让你了解他们如何以一种容易理解的方式工作，并向你展示如何使用他的brainnet库创建你自己的。
上一篇: What are some good resources for learning about Artificial Neural Networks?