An Information-Theoretic Approach to Neural Computing (Perspectives in Neural Computing) [Englisch] [Gebundene Ausgabe]

algorithm  approach  architecture  based  between  case  chapter  code  components  corresponding  cost  covariance  cumulant  data  defined  different  distribution  due  elements  ensemble  entropy  equal  equation  error  example  extraction  fact  feature  figure  first  following  function  gaussian  general  generalization  given  hence  hidden  ica  independent  information  input  latter  layer  learning  let  linear  map  matrix  measure  method  minimization  model  mutual  network  neural  neurons  new  number  obtained  optimal  order  output  parameters  patterns  pca  point  possible  present  presented  principle  probability  problem  random  redundancy  results  rule  second  section  see  set  shown  since  space  statistical  stochastic  supervised  term  theorem  theory  time  training  transformation  two  unsupervised  used  value  variable  vector  weights