Deep Learning Architectures / Calin, Ovidiu  

Público ISBD Ningún comentario para este registro. Título : Deep Learning Architectures : A Mathematical Approach Tipo de documento: documento electrónico Autores: Calin, Ovidiu, 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. Idioma : Inglés (eng) Palabras clave: Informática  Aprendizaje automático  Aplicaciones matemáticas en informática Clasificación: 004.0151 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 día 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. . Tipo de medio : Computadora Summary : This book describes how neural networks operate from the mathematical point of view. As a result, neural networks can be interpreted both as function universal approximators and information processors. The book bridges the gap between ideas and concepts of neural networks, which are used nowadays at an intuitive level, and the precise modern mathematical language, presenting the best practices of the former and enjoying the robustness and elegance of the latter. This book can be used in a graduate course in deep learning, with the first few parts being accessible to senior undergraduates. In addition, the book will be of wide interest to machine learning researchers who are interested in a theoretical understanding of the subject. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Deep Learning Architectures : A Mathematical Approach [documento electrónico] / Calin, Ovidiu,  . -  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. Idioma : Inglés (eng) Palabras clave: Informática  Aprendizaje automático  Aplicaciones matemáticas en informática Clasificación: 004.0151 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 día 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. . Tipo de medio : Computadora Summary : This book describes how neural networks operate from the mathematical point of view. As a result, neural networks can be interpreted both as function universal approximators and information processors. The book bridges the gap between ideas and concepts of neural networks, which are used nowadays at an intuitive level, and the precise modern mathematical language, presenting the best practices of the former and enjoying the robustness and elegance of the latter. This book can be used in a graduate course in deep learning, with the first few parts being accessible to senior undergraduates. In addition, the book will be of wide interest to machine learning researchers who are interested in a theoretical understanding of the subject. . 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