里普利，B.D。 模式识别和神经网络。 （英语） Zbl 0853.62046号 剑桥：剑桥大学出版社。xi，403页（1996年）。 作者从工程、统计学、机器学习和神经网络等方面对模式识别方法进行了深入研究。本课程的所有现代分支都包括案例研究和应用。包括统计决策理论和计算学习理论的相关部分，以及前馈神经网络、径向基函数、学习矢量量化和Kohonen自组织映射等方法。所有的主要结果都得到了证明，证明是简短的，而且往往是原创的。这些方法通过实例进行了说明，其数据可在互联网上获得。遵循这本书的正式先决条件相当少：线性代数背景、微积分知识及其在寻找极值中的应用，以及概率和统计学的入门课程。这本书既可以作为研究生和非专业读者的介绍，也可以作为更专业读者的标准参考。章节标题：（1）引言和示例；（2） 统计决策理论；（3） 线性判别分析；（4） 灵活的判别法；（5） 前馈神经网络；（6） 非参数方法；（7） 树结构分类器；（8） 信念网络；（9） 无监督方法；（10） 寻找良好的图案特征。审核人：I.Kൿiv蛹（俄斯特拉发） 引用于1审查引用于328文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 68吨10 模式识别、语音识别 62-01 与统计有关的介绍性说明（教科书、辅导论文等） 68T05型 人工智能中的学习和自适应系统 68-01 与计算机科学相关的介绍性说明（教科书、教程论文等） 62C05型 统计决策理论的一般考虑 关键词：判别分析；非参数方法；树结构分类器；信念网络；无监督方法；模式识别；案例研究；应用；前馈神经网络；径向基函数；学习矢量量化；Kohonen的自组织地图 PDF格式BibTeX公司 XML格式引用 \textit{B.D.Ripley}，模式识别和神经网络。剑桥：剑桥大学出版社（1996；Zbl 0853.62046）