问题标签 [neural-network]

前几天我和一个朋友在午餐时讨论了神经网络 (NN)，他声称用 Java 编写的 NN 的性能将与用 C++ 编写的相似。我知道使用“及时”编译器技术 Java 可以做得很好，但不知何故我就是不买它。有没有人有任何经验可以阐明这个问题？ 这一页是我对这个主题的阅读范围。

任何带有源代码的优秀教程，将演示如何开发神经网络（傻瓜的步进间隔步骤;-)）

一旦我完成了作为 Web 开发人员的实习年，我将在下一学年进入我的大学三年级，我想听听关于 Title 中的两个模块的一些意见。

我对两者都感兴趣，但是我想选择一个与我的职业相关并且可以应用于我开发的系统的。

我正在攻读互联网计算学位，它涵盖了网络开发、网络、数据库工作和编程。虽然我已经让自己成为一名网络开发人员，但我对此不再那么确定，所以我试图不将自己限制在那个开发领域。

我知道 HCI 会帮助我成为一名 Web 开发人员，但你认为这值得吗？你认为神经网络知识可以在我未来编写的系统中真正帮助我吗？

谢谢。

编辑：我认为跟进我决定做什么以及它是如何工作的会很有用。

我选择人工神经网络而不是 HCI，我真的很喜欢它。对认知科学和机器学习的了解激发了我对该学科领域的兴趣，我希望在几年后能负担得起的时候承担一个研究生项目。

我有一份工作，我在期末考试（几天后）后开始工作，确实有人问我是否做过人机交互或类似的模块。这似乎并不重要，因为它不是前端开发人员的职位！

如果您可以选择该模块，我建议您选择该模块，以及任何包含生物计算的模块，如果您将来想进行研究生研究，它将打开更多的大门。

我在 MATLAB 中设置了概率神经网络分类实验。sim我可以使用该命令获取未见数据的类。有什么方法可以得到分类器计算的类的概率？另外，有没有直接的方法来绘制接收器操作特性曲线并为我的分类器计算 ROC 下的面积？

我正在寻找用 CUDA 实现的计算量大的任务，并想知道神经网络或贝叶斯网络是否适用。不过，这不是我的问题，而是两种网络类型之间的关系。它们似乎非常相关，特别是如果您查看具有学习能力的贝叶斯网络（维基百科上的文章提到）。乍一看，贝叶斯网络有点像一种特定类型的神经网络。任何人都可以总结他们的关系，以及是否有任何超越明显相似之处的联系？

我不是数学家。我喜欢一个很好的数学难题，但我全心全意地承认我的弱点。也就是说，我一直对神经网络很感兴趣，虽然我对它们的了解足以从头开始实现它们，但当我需要理解任何只能找到数学证明的概念时，我就碰壁了。程序员的神经网络指南在哪里，用代码而不是公式来解释实际推理？

随着我对计算机科学、人工智能和神经网络的了解越来越多，我不断地对计算机可以做和学习的很酷的事情感到惊讶。我一直对新旧项目着迷，我对其他 SO 用户遇到的有趣项目/应用程序感到好奇。

欢迎！我非常喜欢在学习中对人工智能进行编程——神经网络、专家机器等。但在工作中，我主要开发 Web 应用程序。

现在我考虑回到这样的编程，也许是出于爱好，也许是在工作中。是否有人工智能在应用程序开发中常用的领域，具有这种技能的程序员可以搜索工作？

或者，也许我可以将一些想法卖给我的老板，并使用 AI 来扩展我们的一些应用程序。

您对在应用程序中使用 AI 有什么经验和想法？

一般来说，通过向隐藏层或更多隐藏层添加更多节点来扩展人工神经网络会得到什么？

它是否允许更精确的映射，或者它是否允许它可以识别的关系更微妙，或者其他什么？

我已经尝试学习神经网络一段时间了，我可以在线理解一些基本教程，并且我已经能够通过部分神经计算 - 简介，但即使在那里，我也对很多数学，在前几章之后完全超出了我的想象。即便如此，它也是我能找到的最少的“数学”一书。

不是我害怕数学什么的，只是我还没有学会我需要什么，我不确定我到底需要什么。我目前在我当地的大学就读，正在努力赶上我需要进入 Comp 的 MS 的课程。科学程序（我的学士学位是商业/信息。系统。）我还没有走得很远。根据大学的小课程描述，NN 实际上包含在关于模式识别的电气工程课程中（我觉得这门课程是 EE 对我来说很奇怪），其中有一些我不需要进入 MS Comp 的 EE 先决条件. 科学。程序。

我对这个话题非常感兴趣，并且知道我最终想了解更多关于它的信息，问题是，我不知道我首先需要知道什么。以下是我认为我可能需要的主题，但这只是无知的猜测：

• 单变量微积分（我有过 Calc I 和 II，所以我想我已经在这里介绍过了，只是为了完整性而列出）
• 多变量微积分
• 线性代数（我还没有正式接受这个，但实际上可以理解我在维基百科和其他网站上设法了解的许多概念）
• 离散数学（另一个我没有正式学过，但我自己学了一部分
• 图论
• 概率论
• 贝叶斯统计
• 电路设计
• 其他数学？
• 其他计算机科学主题

显然这里也有神经科学的成分，但是当他们谈论应用于神经网络的书籍时，我实际上并没有遇到任何困难，主要是因为它的概念性

简而言之，有人可以列出一条需要真正理解、阅读书籍并最终实现神经网络的半清晰路径吗？