Hodnotenie:
Kniha o hlbokom učení predstavuje komplexný a matematicky bohatý prieskum tejto témy. Získala pochvalu za podrobné vysvetlenia a prísne dôkazy, ale je kritizovaná za nedostatočnú korektúru a organizáciu, čo vedie k zmätku medzi čitateľmi. Zatiaľ čo niektorí ju považujú za najlepšiu teoretickú knihu o hlbokom učení pre tých, ktorí majú silné matematické zázemie, iní ju považujú za zle napísanú a plnú chýb.
Výhody:Komplexné pokrytie teoretických aspektov hlbokého učenia, dobre vysvetlený matematický obsah, dôsledné dôkazy, jedinečné teoretické témy, kvalitná tlač.
Nevýhody:Zlá korektúra s množstvom chýb, chaotická organizácia, pre čitateľov bez silného matematického zázemia môže byť príliš pokročilá, sklamanie z častí o analytickej teórii.
(na základe 11 čitateľských recenzií)
Deep Learning Architectures: A Mathematical Approach
Úvodné problémy. - Aktivačné funkcie.
- Nákladové funkcie. - Algoritmy na hľadanie miním. - Abstraktné neuróny.
- Neurónové siete.
- Aproximačné vety. - Učenie s jednorozmernými vstupmi.
- Univerzálne aproximátory. - Presné učenie. - Reprezentácia informácií.
- Posudzovanie informačnej kapacity. - Výstupné manifesty. - Neuromanifolds.
- Združovanie. - Konvolučné siete.
- Rekurentné neurónové siete. - Klasifikácia. - Generatívne modely.
- Stochastické siete.
- Tipy a riešenia.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)