Statistical Mechanics of Neural Networks / Huang, Haiping  

Público ISBD Ningún comentario para este registro. Título : Statistical Mechanics of Neural Networks Tipo de documento: documento electrónico Autores: Huang, Haiping, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2021 Número de páginas: XVIII, 296 p. 62 ilustraciones, 40 ilustraciones en color. ISBN/ISSN/DL: 978-981-1675706-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Física Estadística  Redes neuronales (Informática)  Mecánica estadística  Inteligencia Computacional  Inteligencia artificial  Modelos matemáticos de procesos cognitivos y redes neuronales Clasificación: 530.13 Resumen: Este libro destaca una introducción completa a la mecánica estadística fundamental que subyace al funcionamiento interno de las redes neuronales. El libro analiza en detalle conceptos y técnicas importantes, incluido el método de la cavidad, la teoría del campo medio, las técnicas de réplica, la condición de Nishimori, los métodos variacionales, la teoría dinámica del campo medio, el aprendizaje no supervisado, los modelos de memoria asociativa, los modelos de perceptrón y la teoría del caos. de redes neuronales recurrentes y espectros propios de redes neuronales, guiando a los nuevos estudiantes a través de las teorías y los conjuntos de habilidades imprescindibles para comprender y utilizar las redes neuronales. El libro se centra en marcos cuantitativos de modelos de redes neuronales donde los mecanismos subyacentes pueden aislarse con precisión mediante física de belleza matemática y predicciones teóricas. Es una buena referencia para estudiantes, investigadores y profesionales en el área de redes neuronales. Nota de contenido: Introduction -- Spin glass models and cavity method -- Variational mean-field theory and belief propagation -- Monte Carlo simulation methods -- High-temperature expansion -- Nishimori line -- Random energy model -- Statistical mechanical theory of Hopfield model -- Replica symmetry and replica symmetry breaking -- Statistical mechanics of restricted Boltzmann machine -- Simplest model of unsupervised learning with binary synapses -- Inherent-symmetry breaking in unsupervised learning -- Mean-field theory of Ising Perceptron -- Mean-field model of multi-layered Perceptron -- Mean-field theory of dimension reduction -- Chaos theory of random recurrent neural networks -- Statistical mechanics of random matrices -- Perspectives. Tipo de medio : Computadora Summary : This book highlights a comprehensive introduction to the fundamental statistical mechanics underneath the inner workings of neural networks. The book discusses in details important concepts and techniques including the cavity method, the mean-field theory, replica techniques, the Nishimori condition, variational methods, the dynamical mean-field theory, unsupervised learning, associative memory models, perceptron models, the chaos theory of recurrent neural networks, and eigen-spectrums of neural networks, walking new learners through the theories and must-have skillsets to understand and use neural networks. The book focuses on quantitative frameworks of neural network models where the underlying mechanisms can be precisely isolated by physics of mathematical beauty and theoretical predictions. It is a good reference for students, researchers, and practitioners in the area of neural networks. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Statistical Mechanics of Neural Networks [documento electrónico] / Huang, Haiping,  . -  1 ed.  . - Singapore [Malasia] : Springer, 2021 . - XVIII, 296 p. 62 ilustraciones, 40 ilustraciones en color. ISBN : 978-981-1675706-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Física Estadística  Redes neuronales (Informática)  Mecánica estadística  Inteligencia Computacional  Inteligencia artificial  Modelos matemáticos de procesos cognitivos y redes neuronales Clasificación: 530.13 Resumen: Este libro destaca una introducción completa a la mecánica estadística fundamental que subyace al funcionamiento interno de las redes neuronales. El libro analiza en detalle conceptos y técnicas importantes, incluido el método de la cavidad, la teoría del campo medio, las técnicas de réplica, la condición de Nishimori, los métodos variacionales, la teoría dinámica del campo medio, el aprendizaje no supervisado, los modelos de memoria asociativa, los modelos de perceptrón y la teoría del caos. de redes neuronales recurrentes y espectros propios de redes neuronales, guiando a los nuevos estudiantes a través de las teorías y los conjuntos de habilidades imprescindibles para comprender y utilizar las redes neuronales. El libro se centra en marcos cuantitativos de modelos de redes neuronales donde los mecanismos subyacentes pueden aislarse con precisión mediante física de belleza matemática y predicciones teóricas. Es una buena referencia para estudiantes, investigadores y profesionales en el área de redes neuronales. Nota de contenido: Introduction -- Spin glass models and cavity method -- Variational mean-field theory and belief propagation -- Monte Carlo simulation methods -- High-temperature expansion -- Nishimori line -- Random energy model -- Statistical mechanical theory of Hopfield model -- Replica symmetry and replica symmetry breaking -- Statistical mechanics of restricted Boltzmann machine -- Simplest model of unsupervised learning with binary synapses -- Inherent-symmetry breaking in unsupervised learning -- Mean-field theory of Ising Perceptron -- Mean-field model of multi-layered Perceptron -- Mean-field theory of dimension reduction -- Chaos theory of random recurrent neural networks -- Statistical mechanics of random matrices -- Perspectives. Tipo de medio : Computadora Summary : This book highlights a comprehensive introduction to the fundamental statistical mechanics underneath the inner workings of neural networks. The book discusses in details important concepts and techniques including the cavity method, the mean-field theory, replica techniques, the Nishimori condition, variational methods, the dynamical mean-field theory, unsupervised learning, associative memory models, perceptron models, the chaos theory of recurrent neural networks, and eigen-spectrums of neural networks, walking new learners through the theories and must-have skillsets to understand and use neural networks. The book focuses on quantitative frameworks of neural network models where the underlying mechanisms can be precisely isolated by physics of mathematical beauty and theoretical predictions. It is a good reference for students, researchers, and practitioners in the area of neural networks. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200