《机器学习：算法视角（原书第2版）》 —3 拓展阅读

拓展阅读

如果你对人类大脑的工作原理感兴趣，那么很多流行的科普书籍都会符合你的胃口，包括：

●Susan Greenfield.The Human Brain: A Guided Tour.Orion, London, UK, 2001.

●S.Aamodt and S.Wang.Welcome to Your Brain: Why You Lose Your Car Keys but Never Forget How to Drive and Other Puzzles of Everyday Life.Bloomsbury, London, UK, 2008.

如果你想从研究的角度更进一步了解大脑，那么以下书籍都是很好的入门读物（特别是开头的“路线图”）：

●Michael A.Arbib, editor.The Handbook of Brain Theory and Neural Networks, 2nd edition, MIT Press, Cambridge, MA, USA, 2002.

McCulloch和Pitts的原始论文如下：

●W.S.McCulloch and W.Pitts.A logical calculus of ideas imminent in nervous activity.Bulletin of Mathematics Biophysics, 5:115-133, 1943.

关于基于神经网络的学习，下面这本书起到了很大的推动作用：

●V.Braitenberg.Vehicles: Experiments in Synthetic Psychology.MIT Press, Cambridge, MA, USA, 1984.

如果你对该领域的历史感兴趣，那么关于感知器的原始论文，以及讲解线性可分性的条件的书（一些人认为它对阻碍该领域发展20年负有责任），现在阅读起来仍然是很有趣的。另一篇可能有吸引力的论文是Widrow和Lehr写的评论文章，它总结了一些有深远影响的工作：

●F.Rosenblatt.The Perceptron: A probabilistic model for information storage and organization in the brain.Psychological Review, 65(6):386-408, 1958.

●M.L.Minsky and S.A.Papert.Perceptrons: An Introduction to Computational Geometry.MIT Press, Cambridge MA, 1969.

●B.Widrow and M.A.Lehr.30 years of adaptive neural networks: Perceptron, madaline, and backpropagation.Proceedings of the IEEE, 78(9):1415-1442, 1990.

下面的教科书涵盖了相同的素材，尽管视角有所不同：

●Chapter 5 of R.O.Duda, P.E.Hart, and D.G.Stork.Pattern Classification, 2nd edition, Wiley-Interscience, New York, USA, 2001.

●Sections 3.1-3.3 of T.Hastie, R.Tibshirani, and J.Friedman.The Elements of Statistical Learning, 2nd edition, Springer, Berlin, Germany, 2008.