math - 阅读有关神经网络的书籍(并理解它们)所需的先决条件

Question

一段时间以来，我一直在尝试学习神经网络，并且我可以在线理解一些基础教程，并且我已经能够通过部分 Neural Computing - An Introduction但即使在那里，我也对很多数学感到茫然，在前几章之后它完全超出了我的脑海。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。我目前在我本地的大学就读，正在努力 catch 我需要进入 Comp 的 MS 的类(class)。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。根据大学的小类(class)描述，NN 实际上包含在关于模式识别的电气工程类(class)中(我觉得这门类(class)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，所以我想我在这里涵盖了，只是为了完整性列出)

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组成部分，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？

Answer 1

如果您想要了解这本书所需的大学类(class)列表，这里是:

微积分(I、II 和 III)

微分方程

线性代数

统计(或贝叶斯的良好覆盖)

但是，我在没有 Diff 的 NN 类中做得很好。方程。并且只需要查找我还没有研究过的概念。

您可以采用上述黑盒方法，但如果您真的想了解网络的数学和实现，则必须学习。无论您做什么，要完全掌握更高级的网络都将是一个陡峭的学习曲线。您可以先学习上述类(class)，也可以开始阅读本书并在维基百科上查找您未掌握的所有内容，然后从这些文章中阅读您必须阅读的内容以理解它们，等等。您会发现，无论哪种方式，您最终都会超越最初的偷看，事情会变得更容易。

如果你告诉我们你为什么要学习神经网络，那就太好了。尽管我不是游戏开发人员或电信开发人员，但在我的职业生涯中，我还没有找到它们的单一用途。