问神经网络的非数学化描述

EN

另一种选择是非数学、非编程的解释。Blondie24: Playing at the Edge of AI这本书包含了对神经网络的非常好的解释。这是关于作者开发的一个下跳棋的人工智能。它并不是完全没有编程参考，但它很好地解释了算法是如何工作的，而不是进入解决方案的代码中。

不幸的是，我不知道是否有一个好的单一的“程序员源代码”，可以给你所有的概念。我喜欢Neural and Adaptive Systems: Fundamentals through Simulations。

让“程序员理解”神经网络的最好方法不是通过检查代码，而是通过检查问题和正确的结果。所以，如果你不想看数学，我建议你看一个给定的问题。例如，考虑XOR问题作为为什么需要非线性激活函数的示例，查看变量的数量及其可能的值，以了解为什么神经网络需要具有一定的大小和拓扑才能有效，并将数据拆分为训练/测试方案并进行研究，以了解为什么过度拟合是危险的。检查包含数据的代码。

我还建议不要太着急，而是深入阅读。前馈网络中的某些实践变得更加清晰，一旦您看到它们在递归和建设性神经网络中的泛化。我还建议更广泛:贝叶斯网络、模糊认知图、SOM、Boltzman机器、模拟退火和强化学习都有直觉。

这是否有助于回答您的问题？

您需要对Pascal或Delphi有所了解，但是从编程的角度来看，来自ThinkQuest的this overview是非常有帮助的。它还解释了一些困难，以及为什么数学看起来有点吓人。(我也不是数学家。)

前段时间我对这类东西很感兴趣(大部分时候仍然是这样)，并在寻找一些我可以很快理解的演练。

希望这至少会有一点帮助。