Läsanvisningar till C.M. Bishop
-------------------------------

Boken lämpar sig för att läsa i den ordning kapitlen står.
Pga överlapp med DMI-kursen och avsaknad av vissa ämnen
så följer dock inte föreläsningsserien riktigt samma linje.

Nedan ser ni hur föreläsningarna relaterar till stycken i boken. 

F1 Introduktion.
Kap 1 om något ska nämnas.

F2 Repetition.
I.   Grundproblem + Terminologi
1.1, 1.2, 1.9.1, i viss mån 3.1
II.  Linj algebra
  -  
III. Optimering
  Kap 7, främst 7.1-3, 7.5-6, 7.9. Övriga avsnitt översiktligt.
IV.  Sannolikhetslära
  1.8-9.
  2.1 Multivariat normalfördelning.
V.   Parameterskattning
  2.2

F3 Täthetsestimering

2.1-2 Parametriska metoder
2.5  Icke-parametriska metoder.
2.6  Semi-parametriska -"-
Skippa 2.3-4

F4 Kohonens självorganiserande nät

Utdelat kapitel ur Haykin, Neural networks, a comprehensive foundation.

F5 Flerlagerperceptronen

Kap 3 som bakgrund. 3.1-2 och 3.4 viktigast.

4.1-3
4.7.
4.4 och 4.8-9 Kursivt
Skippa 4.5-6.

F6 Radiella basfunktioner

Kap 5.
Tonvikt på 5.1-3,5.8-9
Kursivt 5.4-7

F7 Generaliseringsproblemet
Kap. 9.
Tonvikt på 9.1-2, 9.8
Kursivt: 9.3-5
Skippa 9.6-7,9.9

F8 HMM
Föreläsningsanteckningar (samt räkneövning 5)

Övrigt:
Kap 6 innehåller delar som inte kan kopplas ihop direkt
med någon föreläsning men som har dykt upp i olika sammanhang
under kursens gång.
6.0-1: Tolkning av minimering av kvadratfel som ML-skattning m.m.
6.5-6: Tolkning av utsignal från nät som sannolikhet