如果你有通信電子背景，Simon Haykin的Neural Networks and Learning Machines絕對值得一讀，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），對于人類故意創(chuàng)造的數(shù)據(jù)（雷達(dá)、電報），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)計的方法（按照馬毅的說法，五六十年前不被重視的算法現(xiàn)在反而吃香，那時大家關(guān)注的都是香農(nóng)、維納等大V們，統(tǒng)計學(xué)家是靠轉(zhuǎn)發(fā)這些大V拉粉絲的，偶爾也會懷念Bayesian）。

如果你有統(tǒng)計數(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，神經(jīng)網(wǎng)絡(luò)的world 太bigger了），推薦先把李航老師的《統(tǒng)計學(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。

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