Deep Learning Architectures: A Mathematical Approach

Értékelés:   (4.3 az 5-ből)

Deep Learning Architectures: A Mathematical Approach (Ovidiu Calin)

Olvasói vélemények

Összegzés:

A mélytanulásról szóló könyv vegyes kritikákat kapott, sokan dicsérik matematikai mélységét és elméleti meglátásait, míg mások a rossz szervezés, a számos tipográfiai hiba és a korrektúra hiánya miatt kritizálják. Erős matematikai háttérrel rendelkezők számára kifejezetten ajánlott, de a szükséges fogalmakkal kevésbé tisztában lévők számára frusztráló lehet.

Előnyök:

Gazdag matematikai tartalom, jól magyarázott szigorú bizonyítások, az optimalizálás és a mélytanulás elméleti aspektusainak átfogó lefedése, erős matematikai ismeretekkel rendelkezőknek ajánlott.

Hátrányok:

Számos tipográfiai hiba és helytelen jelölés, rosszul szervezett, a lektorálás hiánya zavart okoz, és olyan részek, amelyek nem biztos, hogy visszhangra találnak a haladó matematikában járatlan olvasók számára.

(11 olvasói vélemény alapján)

Könyv tartalma:

Ez a könyv matematikai szempontból írja le a neurális hálózatok működését.

Ennek eredményeképpen a neurális hálózatok egyaránt értelmezhetők függvények univerzális közelítőjeként és információfeldolgozóként. A könyv hidat képez a neurális hálózatok manapság intuitív szinten használt ötletei és fogalmai, valamint a precíz modern matematikai nyelvezet között, bemutatva az előbbi legjobb gyakorlatát, és élvezve az utóbbi robusztusságát és eleganciáját.

Ez a könyv a mélytanulásról szóló egyetemi kurzuson is használható, az első néhány rész pedig a felsőbb éves egyetemisták számára is hozzáférhető. Emellett a könyv széleskörű érdeklődésre tarthat számot a gépi tanulással foglalkozó kutatók számára, akiket a téma elméleti megértése érdekel.

A könyv egyéb adatai:

ISBN:9783030367206
Szerző:
Kiadó:
Kötés:Keményfedeles
A kiadás éve:2020
Oldalak száma:760

Vásárlás:

Jelenleg kapható, készleten van.

A szerző további könyvei:

Nem hivatalos bevezetés a sztochasztikus számításba alkalmazásokkal - An Informal Introduction to...
A könyv célja, hogy a sztochasztikus számítást...
Nem hivatalos bevezetés a sztochasztikus számításba alkalmazásokkal - An Informal Introduction to Stochastic Calculus with Applications
Deep Learning Architectures: A Mathematical Approach
Bevezető problémák. - Aktiválási függvények. - Költségfüggvények. - Minimumkereső algoritmusok. - Absztrakt...
Deep Learning Architectures: A Mathematical Approach
Deep Learning Architectures: A Mathematical Approach
Ez a könyv matematikai szempontból írja le a neurális hálózatok működését. Ennek eredményeképpen a neurális...
Deep Learning Architectures: A Mathematical Approach
Informális bevezetés a sztochasztikus számításba alkalmazásokkal, egy (második kiadás) - Informal...
A véletlen fluktuációkkal kapcsolatos legtöbb...
Informális bevezetés a sztochasztikus számításba alkalmazásokkal, egy (második kiadás) - Informal Introduction to Stochastic Calculus with Applications, an (Second Edition)
Informal Introduction to Stochastic Calculus with Applications, an (Második kiadás) - Informal...
A véletlen fluktuációkkal kapcsolatos legtöbb...
Informal Introduction to Stochastic Calculus with Applications, an (Második kiadás) - Informal Introduction to Stochastic Calculus with Applications, an (Second Edition)
Nem hivatalos bevezetés a sztochasztikus számításba és alkalmazásaiba - An Informal Introduction to...
A könyv célja, hogy a sztochasztikus számítást...
Nem hivatalos bevezetés a sztochasztikus számításba és alkalmazásaiba - An Informal Introduction to Stochastic Calculus with Applications
Determinisztikus és sztochasztikus témák a számítógépes pénzügyekben - Deterministic and Stochastic...
Ami megkülönbözteti ezt a könyvet a matematikai...
Determinisztikus és sztochasztikus témák a számítógépes pénzügyekben - Deterministic and Stochastic Topics in Computational Finance
Sztochasztikus geometriai analízis alkalmazásokkal - Stochastic Geometric Analysis with...
Ez a könyv a sztochasztikus analízis, a geometria...
Sztochasztikus geometriai analízis alkalmazásokkal - Stochastic Geometric Analysis with Applications

A szerző munkáit az alábbi kiadók adták ki:

© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)