Tengo una colección bastante amplia de libros de redes neuronales. Muchos de los libros llegaron a las prensas en la década de 1990 después de que los libros del PDP comenzaran a funcionar nuevamente a fines de la década de 1980. Entre mis favoritos:
Redes neuronales para el reconocimiento de patrones, Christopher M. Bishop, Oxford press, 1995. También tiene un libro más reciente llamado Pattern Recognition and Machine Learning (Springer, 2006) que dedica un capítulo a las ANN, pero no es tan completo en su tratamiento. .
Una introducción a las redes neuronales, James A Anderson, MIT Press, 1995. Este es un libro muy legible que va más allá de las matemáticas y la técnica. Las redes neuronales están influenciadas por la neurofisiología, la psicología cognitiva y otras áreas, y Anderson le presenta estas influencias y ayuda al lector a obtener información sobre cómo las redes neuronales artificiales se ajustan a ella. Me encanta el capítulo que se sumerge profundamente en el Limulus y describe la inhibición lateral y la competencia neuronal distribuida de su sistema de visión, una excelente lectura antes de acostarse.
- ¿Cuándo hará AI cosas muy difíciles como la cirugía cerebral?
- ¿Dónde no se puede aplicar el aprendizaje automático?
- ¿Cuál es el ejemplo más sofisticado o impresionante de IA desarrollado hasta ahora?
- ¿Cuál es la mejor plataforma para simular el agente de refuerzo de aprendizaje?
- ¿Es posible emular el patrón de habla de una persona a partir de una oración / párrafo simple como se muestra en Misión Imposible 3?
Reconocimiento de patrones adaptativos y redes neuronales, Yoh-Han Pao, Addison Wesley, 1989. Libro bastante antiguo (necesitará comprar usado). Discute la lógica difusa e introduce una red neuronal híbrida llamada MAXNET.
Si su interés está en las redes de propagación hacia atrás (la más popular de todas), Neural Smithing: Supervised Learning in Feedforward Artificial Neural Networks (Reed, Marks, MIT Press, 1999) las cubre con gran detalle y puede ser una buena opción si puede solo lee un libro. Buena cobertura de técnicas para optimizar el aprendizaje de redes BP, incluso cubre el uso de algoritmos genéticos (clssicamente, las redes de alimentación de múltiples capas se entrenan utilizando un algoritmo que propaga los errores desde una capa de salida a través de capas ocultas para ajustar los pesos de conexión en un intento de caminar una superficie de error global a un mínimo, pero son posibles otras técnicas, incluido el uso de algoritmos genéticos).
Los SOM (mapas autoorganizados) están cubiertos por su inventor, Kohonen, en el libro Self Organizing Maps (Third Edition, Springer, 2001). Estas redes simples son bastante poderosas en algunos casos de uso (aquellas en las que no tiene idea de lo que realmente significa un conjunto de datos en particular, por lo que no es posible aprender mediante capacitación supervisada).