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, Autor Mención de edición: 1 ed. Editorial: Singapore [Malasya] : 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. Palabras clave: Física Estadística  Redes neuronales (Informática)  Mecánica estadística  Inteligencia Computacional  Inteligencia artificial  Modelos matemáticos de procesos cognitivos y redes neuronales Índice Dewey: 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Statistical Mechanics of Neural Networks [documento electrónico] / Huang, Haiping, Autor  . -  1 ed.  . - Singapore [Malasya] : 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. Palabras clave: Física Estadística  Redes neuronales (Informática)  Mecánica estadística  Inteligencia Computacional  Inteligencia artificial  Modelos matemáticos de procesos cognitivos y redes neuronales Índice Dewey: 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200