Olvasói vélemények
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Eredeti címe:
Deep Belief Nets in C++ and Cuda C: Volume 2: Autoencoding in the Complex Domain
Könyv tartalma:
Fedezze fel a mélyhitű hálók egy elterjedt és hatékony formájának alapvető építőelemeit: az autoencodert. Ezt a témát a jelenlegi használaton túlmutatóan a jel- és képfeldolgozási alkalmazások komplex tartományára is kiterjeszted. A Deep Belief Nets in C++ and CUDA C: Volume 2 számos algoritmust is tárgyal az idősorok és képi adatok előfeldolgozásához. Ezek az algoritmusok olyan komplex tartománybeli prediktorok létrehozására összpontosítanak, amelyek alkalmasak egy komplex tartománybeli autoencoder bemenetére. Végül megismerhet egy módszert az osztályinformációk beágyazására egy korlátozott Boltzmann-gép bemeneti rétegébe. Ez megkönnyíti az egyes osztályokból származó minták generatív megjelenítését a teljes adateloszlás helyett. Az a képesség, hogy a modell által az egyes osztályok számára külön-külön megtanult jellemzőket láthatjuk, felbecsülhetetlen értékű lehet.
Ez a könyv minden egyes lépésnél intuitív motivációt, a téma szempontjából legfontosabb egyenletek összefoglalóját és erősen kommentált kódot nyújt a modern CPU-kon történő szálankénti számításhoz, valamint a CUDA-kompatibilis videokijelző kártyával rendelkező számítógépeken történő masszív párhuzamos feldolgozáshoz.
Mit fogsz tanulni
⬤ Kód mélytanuláshoz, neurális hálózatokhoz és mesterséges intelligenciához C++ és CUDA C használatával.
⬤ Jelelőfeldolgozás elvégzése egyszerű transzformációk, Fourier-transzformációk, Morlet hullámok és egyéb transzformációk segítségével.
⬤ A Fourier-transzformáció használata képelőfeldolgozáshoz.
⬤ Az automatikus kódolás megvalósítása aktiválással a komplex tartományban.
⬤ Munkálkodjon a CUDA gradiensszámítás algoritmusaival.
⬤ Használja a DEEP kezelési kézikönyvet.
Kinek szól ez a könyv
Azoknak, akik legalább alapvető ismeretekkel rendelkeznek a neurális hálózatokról és némi korábbi programozási tapasztalattal, bár némi C++ és CUDA C ismeret ajánlott.
