Neurális hálózatok és mélytanulás: A Textbook

Olvasói vélemények

A könyv átfogó tudományos forrás a mélytanulás alapjainak megértéséhez, hangsúlyt fektetve az elméletre és az algoritmusokra, világos magyarázatokkal és a terület legújabb fejleményeinek széles körű lefedettségével. Hiányoznak azonban a gyakorlati programozási példák és a beágyazások tárgyalása.

Jól szervezett, világos magyarázatokkal, lefedi a mélytanulás alapvető fogalmait és a releváns matematikát, kiterjedt frissítéseket tartalmaz, beleértve a nagy nyelvi modelleket és a modern architektúrákat, számos gyakorlatot tartalmaz a fogalmak megerősítésére.

Nem tartalmaz gyakorlati programozási példákat vagy megoldásokat a gyakorlatokhoz, hiányzik a beágyazások tárgyalása, és erős számtani és lineáris algebrai hátteret igényel.

(7 olvasói vélemény alapján)

Eredeti címe:

Neural Networks and Deep Learning: A Textbook

Könyv tartalma:

Ez a tankönyv a mélytanulás klasszikus és modern modelljeit egyaránt tárgyalja, és a fejezetek során példákat és gyakorlatokat tartalmaz. A különböző adattartományok, például szövegek, képek és grafikonok mélytanulási módszereit részletesen bemutatja. A könyv fejezetei három kategóriát ölelnek fel:

A neurális hálózatok alapjai: A 2. fejezet a backpropagation algoritmust tárgyalja.

Számos hagyományos gépi tanulási modell a neurális hálózatok speciális eseteiként értelmezhető. A 3. fejezet a hagyományos gépi tanulás és a neurális hálózatok közötti kapcsolatokat vizsgálja. A neurális hálózatok speciális eseteiként mutatják be a támogató vektorgépeket, a lineáris/logisztikus regressziót, a szingulárisérték-dekompozíciót, a mátrixfaktorizációt és az ajánlórendszereket.

A neurális hálózatok alapjai: A 4. és 5. fejezetben részletesen tárgyaljuk a képzést és a regularizációt. A 6. és 7. fejezet a radiális bázisú függvény (RBF) hálózatokat és a korlátozott Boltzmann-gépeket mutatja be.

A neurális hálózatok haladó témái: A 8., 9. és 10. fejezet a rekurrens neurális hálózatokat, a konvolúciós neurális hálózatokat és a gráf neurális hálózatokat tárgyalja. A 11. és 12. fejezetben számos haladó témát, például a mély megerősítő tanulást, a figyelemmechanizmusokat, a transzformátorhálózatokat, a Kohonen-féle önszerveződő térképeket és a generatív adverzális hálózatokat mutatjuk be.

A tankönyv végzős hallgatók és felsőfokú tanulmányok alatt álló hallgatók számára íródott. A kapcsolódó területen dolgozó kutatóknak és gyakorlati szakembereknek is érdemes lesz megvásárolniuk.

Ahol lehetséges, az alkalmazás-központú szemléletet emeljük ki, hogy az egyes technikák osztályainak gyakorlati felhasználását megérthessük.

A második kiadás jelentősen átszervezett és kibővített, külön fejezetek foglalkoznak a backpropagációval és a gráf neurális hálózatokkal. Számos fejezetet jelentősen átdolgoztunk az első kiadáshoz képest.

Nagyobb hangsúlyt kapnak a modern mélytanulási ötletek, például a figyelemmechanizmusok, a transzformátorok és az előre betanított nyelvi modellek.