Redes neuronales para el reconocimiento de patrones

Opiniones de los lectores

El libro ofrece una sólida introducción a las redes neuronales, centrándose especialmente en las estructuras feed-forward y sus fundamentos estadísticos. Aunque contiene un valioso contenido teórico, ha sido criticado por ser demasiado avanzado para los principiantes, carecer de ejemplos prácticos y estar algo anticuado en cuanto a los avances recientes en este campo. Los lectores con una sólida formación matemática pueden ser los más beneficiados, ya que el material es muy matemático y teórico.

⬤ Introducción exhaustiva a las redes neuronales feed-forward.
⬤ Fuerte énfasis en estadística y fundamentos matemáticos.
⬤ Bien estructurado y progresa lógicamente a través de los temas.
⬤ Valioso para quienes tienen conocimientos previos, ya que ofrece una comprensión más profunda de los conceptos.
⬤ Presentación clara y formal de temas complejos.

⬤ Anticuado y no cubre los avances recientes en aprendizaje profundo.
⬤ Puede ser demasiado avanzado y teórico para principiantes o personas sin una sólida formación matemática.
⬤ Carece de ejemplos concretos y aplicaciones prácticas para los conceptos tratados.
⬤ Es posible que los ejercicios no refuercen los conceptos de forma eficaz y que falten respuestas para la autoevaluación.
⬤ Algunos lectores lo encuentran excesivamente académico con explicaciones insuficientes de los conceptos clave.

(basado en 31 opiniones de lectores)

Título original:

Neural Networks for Pattern Recognition

Contenido del libro:

Se trata del primer tratamiento exhaustivo de las redes neuronales feed-forward desde la perspectiva del reconocimiento estadístico de patrones.

Tras introducir los conceptos básicos, el libro examina las técnicas de modelización de las funciones de densidad de probabilidad y las propiedades y ventajas de los modelos de red perceptrón multicapa y de función de base radial. También se tratan diversas formas de funciones de error, los principales algoritmos para la minimización de funciones de error, el aprendizaje y la generalización en redes neuronales, y las técnicas bayesianas y sus aplicaciones.

Diseñado como un texto, con más de 100 ejercicios, este trabajo totalmente actualizado beneficiará a cualquier persona involucrada en los campos de la computación neuronal y el reconocimiento de patrones.