Autor Calin, Ovidiu
|
|
Documentos disponibles escritos por este autor (1)
Hacer una sugerencia Refinar búsqueda
TÃtulo : Deep Learning Architectures : A Mathematical Approach Tipo de documento: documento electrónico Autores: Calin, Ovidiu, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XXX, 760 p. 207 ilustraciones, 35 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-36721-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Informática Aprendizaje automático Aplicaciones matemáticas en informática Ãndice Dewey: 004.015 Matemáticas aplicadas a la informática, especialmente lógica matemática y teoría de algoritmos. Resumen: Este libro describe cómo funcionan las redes neuronales desde el punto de vista matemático. Como resultado, las redes neuronales pueden interpretarse como aproximadores universales de funciones y como procesadores de información. El libro cierra la brecha entre las ideas y conceptos de redes neuronales, que se utilizan hoy en dÃa a un nivel intuitivo, y el lenguaje matemático moderno y preciso, presentando las mejores prácticas de las primeras y disfrutando de la solidez y elegancia del segundo. Este libro se puede utilizar en un curso de posgrado en aprendizaje profundo, y las primeras partes son accesibles para estudiantes universitarios de último año. Además, el libro será de gran interés para los investigadores del aprendizaje automático que estén interesados ​​en una comprensión teórica del tema. . Nota de contenido: Introductory Problems -- Activation Functions -- Cost Functions -- Finding Minima Algorithms -- Abstract Neurons -- Neural Networks -- Approximation Theorems -- Learning with One-dimensional Inputs -- Universal Approximators -- Exact Learning -- Information Representation -- Information Capacity Assessment -- Output Manifolds -- Neuromanifolds -- Pooling -- Convolutional Networks -- Recurrent Neural Networks -- Classification -- Generative Models -- Stochastic Networks -- Hints and Solutions. . En lÃnea: 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 Deep Learning Architectures : A Mathematical Approach [documento electrónico] / Calin, Ovidiu, Autor . - 1 ed. . - [s.l.] : Springer, 2020 . - XXX, 760 p. 207 ilustraciones, 35 ilustraciones en color.
ISBN : 978-3-030-36721-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Informática Aprendizaje automático Aplicaciones matemáticas en informática Ãndice Dewey: 004.015 Matemáticas aplicadas a la informática, especialmente lógica matemática y teoría de algoritmos. Resumen: Este libro describe cómo funcionan las redes neuronales desde el punto de vista matemático. Como resultado, las redes neuronales pueden interpretarse como aproximadores universales de funciones y como procesadores de información. El libro cierra la brecha entre las ideas y conceptos de redes neuronales, que se utilizan hoy en dÃa a un nivel intuitivo, y el lenguaje matemático moderno y preciso, presentando las mejores prácticas de las primeras y disfrutando de la solidez y elegancia del segundo. Este libro se puede utilizar en un curso de posgrado en aprendizaje profundo, y las primeras partes son accesibles para estudiantes universitarios de último año. Además, el libro será de gran interés para los investigadores del aprendizaje automático que estén interesados ​​en una comprensión teórica del tema. . Nota de contenido: Introductory Problems -- Activation Functions -- Cost Functions -- Finding Minima Algorithms -- Abstract Neurons -- Neural Networks -- Approximation Theorems -- Learning with One-dimensional Inputs -- Universal Approximators -- Exact Learning -- Information Representation -- Information Capacity Assessment -- Output Manifolds -- Neuromanifolds -- Pooling -- Convolutional Networks -- Recurrent Neural Networks -- Classification -- Generative Models -- Stochastic Networks -- Hints and Solutions. . En lÃnea: 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
