Добавить в избранное
Форум
Правила сайта "Мир Книг"
Группа в Вконтакте
Подписка на книги
Правообладателям
Найти книгу:
Навигация
Вход на сайт
Регистрация



Реклама



Название: Deep Learning - Das umfassende Handbuch: Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansatze
Автор: Ian Goodfellow, Yoshua Bengio, Aaron Courville
Издательство: mitp Verlags GmbH & Co. KG
Год: 2018
Страниц: 912
Язык: немецкий
Формат: epub
Размер: 23.7 MB

Deep Learning ist ein Teilbereich des Machine Learnings und versetzt Computer in die Lage, aus Erfahrungen zu lernen. Dieses Buch behandelt umfassend alle Aspekte, die fur den Einsatz und die Anwendung von Deep Learning eine Rolle spielen:

In Teil I erlautern die Autoren die mathematischen Grundlagen f?r K?nstliche Intelligenz, Neuronale Netze, Machine Learning und Deep Learning.

In Teil II werden die aktuellen in der Praxis genutzten Verfahren und Algorithmen behandelt.

In Teil III geben die Autoren Einblick in aktuelle Forschungsans?tze und zeigen neue zukunftsweisende Verfahren auf.

Dieses Buch richtet sich an Studenten und alle, die sich in der Forschung mit Deep Learning besch?ftigen sowie an Softwareentwickler und Informatiker, die Deep Learning f?r eigene Produkte oder Plattformen einsetzen m?chten. Dabei werden Grundkenntnisse in Mathematik, Informatik und Programmierung vorausgesetzt.

- Mathematische Grundlagen f?r Machine und Deep Learning
- Umfassende Behandlung zeitgem??er Verfahren: tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze
- Zukunftsweisende Deep-Learning-Ans?tze sowie von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks

Teil I: Angewandte Mathematik und Grundlagen f?r das Machine Learning

Lineare Algebra
Wahrscheinlichkeits- und Informationstheorie
Bayessche Statistik
Numerische Berechnung

Teil II: Deep-Learning-Verfahren

Tiefe Feedforward-Netze
Regularisierung
Optimierung beim Trainieren tiefer Modelle
Convolutional Neural Networks
Sequenzmodellierung f?r Rekurrente und Rekursive Netze
Praxisorientierte Methodologie
Anwendungen: Computer Vision, Spracherkennung, Verarbeitung nat?rlicher Sprache

Teil III: Deep-Learning-Forschung

Lineare Faktorenmodelle
Autoencoder
Representation Learning
Probabilistische graphische Modelle
Monte-Carlo-Verfahren
Die Partitionsfunktion
Approximative Inferenz
Tiefe generative Modelle wie Restricted Boltzmann Machines, Deep-Belief-Netze, Gerichtete Generative Netze, Variational Autoencoder u.v.m.

Скачать Deep Learning. Das umfassende Handbuch: Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansatze








НЕ РАБОТАЕТ TURBOBIT.NET? ЕСТЬ РЕШЕНИЕ, ЖМИ СЮДА!





Автор: Ingvar16 22-06-2020, 19:25 | Напечатать |
 
Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.





С этой публикацией часто скачивают:

Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.


 MirKnig.Su  ©2021     При использовании материалов библиотеки обязательна обратная активная ссылка    Политика конфиденциальности