Ян Гудфеллоу и др. | Глубокое обучение (2017) [PDF] -Автор: Ян Гудфеллоу, Иошуа Бенджио, Аарон Курвилль Издательство: ДМК Пресс ISBN: 978-5-97060-618-6 Жанр: Компьютерная литература Формат: PDF Качество: Изначально электронное (ebook) Иллюстрации: Цветные и черно-белые Описание: Глубокое обучение — это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Поскольку компьютер приобретает знания из опыта, отпадает нужда в человеке-операторе, который формально описывает необходимые компьютеру знания. Иерархическая организация позволяет компьютеру обучаться сложным концепциям, конструируя их из более простых; граф такой иерархии может содержать много уровней. В этой книге читатель найдет широкий обзор тем, изучаемых в глубоком обучении. Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей, и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры. Наконец, описываются перспективные направления исследований: линейные факторные модели, автокодировщики, обучение представлений, структурные вероятностные модели, методы Монте-Карло, статистическая сумма, приближенный вывод и глубокие порождающие модели.
Содержание:
Веб-сайт Благодарности Обозначения Глава 1. Введение Часть I. Основы прикладной математики и машинного обучения Глава 2. Линейная алгебра Глава 3. Теория вероятности и теория информации Глава 4. Численные методы Глава 5. Основы машинного обучения Часть II. Глубокие сети: современные подходы Глава 6. Глубокие сети прямого распространения Глава 7. Регуляризация в глубоком обучении Глава 8. Оптимизация в обучении глубоких моделей Глава 9. Сверточные сети Глава 10. Моделирование последовательностей: рекуррентные и рекурсивные сети Глава 11. Практическая методология Глава 12. Приложения Часть III. Исследования по глубокому обучению Глава 13. Линейные факторные модели Глава 14. Автокодировщики Глава 15. Обучение представлений Глава 16. Структурные вероятностные модели в глубоком обучении Глава 17. Методы Монте-Карло Глава 18. Преодоление трудностей, связанных со статической суммой Глава 19. Приближенный вывод Глава 20. Глубокие порождающие модели Список литературы Предметный указатель
Скачать Ян Гудфеллоу и др. - Глубокое обучение (2017) слив курса.
Текущее время: Сегодня 18:01
Часовой пояс: GMT + 4
Вы не можете начинать темы Вы не можете отвечать на сообщения Вы не можете редактировать свои сообщения Вы не можете удалять свои сообщения Вы не можете голосовать в опросах Вы не можете прикреплять файлы к сообщениям Вы не можете скачивать файлы
