neural network - que - Descripción no matemática de redes neuronales
redes neuronales explicacion (5)
Personalmente he usado:
Recetas prácticas de redes neuronales en C ++
El autor en mi opinión no utiliza completamente la funcionalidad más poderosa de C ++, en muchos casos se lee más como C tradicional con clases. El libro también está un poco anticuado por ahora.
SIN EMBARGO, si necesita explicaciones de los algoritmos y las técnicas utilizadas en las redes neuronales, explicadas de una manera que un lego inteligente podría entender, para que pueda irse y probar estas cosas por sí mismo, entonces ciertamente probaría este libro. Aquí no se ve mucho el ombligo, que es lo que me gustaba.
Le muestra todas las cosas principales necesarias para programar una red neuronal: cómo comparar la salida real con la deseada para obtener una señal de error, y luego usar esta señal de error junto con los algoritmos de propagación para modificar la conexión de enlace de red fortalezas, haciendo esto de forma iterativa para que gradualmente la red neuronal "aprenda" la tarea.
No soy un matemático. Disfruto de un buen acertijo matemático, pero admito mis debilidades de corazón. Dicho esto, siempre me han interesado las redes neuronales, y aunque las entiendo lo suficiente como para implementarlas desde cero, choco contra una pared cuando necesito entender cualquier concepto para el que solo puedo encontrar pruebas matemáticas. ¿Dónde está la guía del programador sobre redes neuronales, usando código en lugar de fórmula para explicar los razonamientos prácticos?
Hice un artículo con casi exactamente este título. El artículo describe cómo se representan los datos en una red neuronal, así como otros métodos de aprendizaje automático, como máquinas de vectores de soporte.
http://www.heatonresearch.com/content/non-mathematical-introduction-using-neural-networks
Lamentablemente, no sé si hay una buena "fuente de programadores" que le proporcione todos los conceptos. Me gustaron los sistemas neuronales y adaptativos: Fundamentos a través de simulaciones .
La mejor manera de tener una "comprensión del programador" de las redes neuronales no es tanto mediante el examen del código, sino en el problema y los resultados correctos. Entonces, si no quieres ver las matemáticas, te recomiendo que veas un problema en particular. Por ejemplo, considere el problema XOR como un ejemplo de por qué necesita funciones de activación no lineales, mire el número de variables y sus posibles valores para comprender por qué una red neuronal debe ser de un cierto tamaño y topología para ser efectiva, y divida sus datos en regímenes de trenes / pruebas y haga estudios para ver por qué el sobreajuste es peligroso. Examine el código con los datos.
También recomiendo no colgar demasiado, pero leer más. Ciertas prácticas en las redes de feed-forward se vuelven más claras una vez que ves su generalización en redes neuronales recurrentes y constructivas. También recomiendo ir más allá: las redes bayesianas, los mapas cognitivos difusos, las máquinas SOM, Boltzman, el recocido simulado y el aprendizaje de refuerzo tienen intuiciones.
¿Esto se dirige a responder tu pregunta?
Otra alternativa es una explicación no matemática, que no sea de programación. El libro Blondie24: Playing at the Edge of AI contiene una gran explicación de las redes neuronales. Se trata de una IA de damas jugando desarrollada por el autor. No es completamente sin referencias de programación, pero hace un gran trabajo al explicar cómo funcionan los algoritmos sin entrar en el código de la solución.
Necesita un poco de comprensión en Pascal o Delphi, pero esta descripción general de ThinkQuest es bastante útil desde el punto de vista de la programación. También explica algunas de las dificultades y por qué las matemáticas parecen un poco intimidantes. (Tampoco soy matemático).
Estuve bastante interesado en este tipo de cosas hace un tiempo (todavía lo soy en su mayor parte) y en la búsqueda de algunos recorridos que puedo seguir bastante rápido.
Espero que ayude un poco al menos.