vlad_light, машинное обучение не ограничивается нейронными сетями, поэтому полезно почитать какую-нибудь литературу, в которой дается обзор разных методов.
Например,
Christopher M. Bishop. Pattern Recognition and Machine Learning Стопудово. Более того, я все больше разочаровываюсь в классических нейросетях как
эфективном инструменте. Пожалуй, реальную пользу могут принести только специфические архитектуры со специфическими свойствами и на специфических задачах. Какой-нибудь, cascade-2, например. Все остальное делается другими методами, но быстрее.
Правда, еще должен сказать, что название книги Хайкина "Нейронные сети" это скорее завлекаловка. Большую часть книги он использует формализм нейронных сетей (даже так: графы передачи данных) для объяснения "на пальцах" алгоритмов, мало связанных с нейронными сетями. Байесы всякие, SVM, ассоциативные машины, деревья принятия решений, анализ главных компонент, модели статфизики, даже фильтры Калмана (это что сразу вспомнилось).
Поэтому я не устаю хвалить эту книгу как одно из лучших введений в data mining среди мировой литературы. А после введения уже выбирать литературу по интересующей тематике.
Pavia писал(а):
тема может быть любой, главное -- её реализируемость и актуальность прикладного применения.
Не соглашусь. Литературы куда больше, чем времени, которое можно потратить на ее прочтение. Поэтому всегда лучше выбирать наиболее достойную литературу, если такой выбор есть.
vlad_light писал(а):
Я ещё нашёл книгу "The elements of statistical learning", что по поводу неё скажите в сравнении с Бишопом? И есть ли перевод Бишопа на русский?
Перевода Бишопа нет. Сама книга хорошая, много годных примеров, но в ней довольно узкий круг тем, и изложение более поверхностное, чем у того же Хайкина.