大家好，今天小編關(guān)注到一個(gè)比較有意思的話題，就是關(guān)于神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)的問題，于是小編就整理了2個(gè)相關(guān)介紹神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)的解答，讓我們一起看看吧。

人臉識(shí)別中的大數(shù)據(jù)是什么數(shù)據(jù)？

人臉識(shí)別需要積累采集到的大量人臉圖像相關(guān)的數(shù)據(jù)，用來(lái)驗(yàn)證算法，不斷提高識(shí)別準(zhǔn)確性，這些數(shù)據(jù)諸如A Neural Network Face Recognition Assignment(神經(jīng)網(wǎng)絡(luò)人臉識(shí)別數(shù)據(jù))、orl人臉數(shù)據(jù)庫(kù)、麻省理工學(xué)院生物和計(jì)算學(xué)習(xí)中心人臉識(shí)別數(shù)據(jù)庫(kù)、埃塞克斯大學(xué)計(jì)算機(jī)與電子工程學(xué)院人臉識(shí)別數(shù)據(jù)等。

有沒有好理解的關(guān)于神經(jīng)網(wǎng)絡(luò)的書推薦？

如果你有通信電子背景，Simon Haykin的Neural Networks and Learning Machines絕對(duì)值得一讀，這本書從維納濾波、卡爾曼濾波講到神經(jīng)網(wǎng)絡(luò)，涵蓋了所有主流的機(jī)器學(xué)習(xí)方法（SVM、PCA/ICA、RBF，SOM都是神經(jīng)網(wǎng)絡(luò)，好吧），對(duì)于人類故意創(chuàng)造的數(shù)據(jù)（雷達(dá)、電報(bào)），這些算法夠了，但大數(shù)據(jù)不是人類故意產(chǎn)生的，你還需要學(xué)習(xí)基于統(tǒng)計(jì)的方法（按照馬毅的說(shuō)法，五六十年前不被重視的算法現(xiàn)在反而吃香，那時(shí)大家關(guān)注的都是香農(nóng)、維納等大V們，統(tǒng)計(jì)學(xué)家是靠轉(zhuǎn)發(fā)這些大V拉粉絲的，偶爾也會(huì)懷念Bayesian）。

如果你有統(tǒng)計(jì)數(shù)學(xué)背景，并且認(rèn)為hinton的dbn能代表神經(jīng)網(wǎng)絡(luò)的話（我反對(duì)，神經(jīng)網(wǎng)絡(luò)的world 太bigger了），推薦先把李航老師的《統(tǒng)計(jì)學(xué)習(xí)方法》看完，然后直接讀Hinton那一幫人的paper。如果GMM，HMM，GHMM，boltzmann，Sparse Coding看不懂，就讀源代碼吧，別哭。

戴葵翻譯的美國(guó)經(jīng)典神經(jīng)網(wǎng)絡(luò)《神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)》

到此，以上就是小編對(duì)于神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)的問題就介紹到這了，希望介紹關(guān)于神經(jīng)網(wǎng)絡(luò)大數(shù)據(jù)的2點(diǎn)解答對(duì)大家有用。