Aprendizaje en Redes Neuronales: Fundamentos teóricos

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 10 votos.

Título original:

Neural Network Learning: Theoretical Foundations

Contenido del libro:

Esta importante obra describe los recientes avances teóricos en el estudio de las redes neuronales artificiales. Explora modelos probabilísticos de problemas de aprendizaje supervisado y aborda las principales cuestiones estadísticas y computacionales.

Los capítulos examinan la investigación sobre la clasificación de patrones con redes de salida binaria, incluida una discusión de la relevancia de la dimensión de Vapnik Chervonenkis, y de las estimaciones de la dimensión para varios modelos de redes neuronales. Además, Anthony y Bartlett desarrollan un modelo de clasificación mediante redes de salida real, y demuestran la utilidad de la clasificación con un amplio margen. Los autores explican el papel de las versiones sensibles a la escala de la dimensión de Vapnik Chervonenkis en la clasificación con gran margen, y en la predicción real.

Los capítulos clave también analizan la complejidad computacional del aprendizaje de redes neuronales, describiendo una serie de resultados de dureza y esbozando dos algoritmos de aprendizaje eficientes y constructivos. El libro es autocontenido y accesible a investigadores y estudiantes de posgrado de informática, ingeniería y matemáticas.