Recenzie čitateľov
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.
Pôvodný názov:
Deep Belief Nets in C++ and Cuda C: Volume 2: Autoencoding in the Complex Domain
Obsah knihy:
Objavte základné stavebné kamene bežnej a výkonnej formy hlbokej siete viery: autoenkodéra. Túto tému posuniete za hranice súčasného použitia rozšírením na komplexnú oblasť pre aplikácie spracovania signálov a obrazu. Hlboké vernostné siete v C++ a CUDA C: 2. zväzok zahŕňa aj niekoľko algoritmov na predspracovanie časových radov a obrazových údajov. Tieto algoritmy sa zameriavajú na vytváranie prediktorov v komplexnej doméne, ktoré sú vhodné na vstup do autoenkodéra v komplexnej doméne. Nakoniec sa naučíte metódu na vloženie informácie o triede do vstupnej vrstvy obmedzeného Boltzmannovho stroja. To uľahčuje generatívne zobrazovanie vzoriek z jednotlivých tried namiesto celého rozdelenia údajov. Možnosť vidieť vlastnosti, ktoré sa model naučil pre každú triedu zvlášť, môže byť neoceniteľná.
Na každom kroku vám táto kniha poskytne intuitívnu motiváciu, súhrn najdôležitejších rovníc relevantných pre danú tému a vysoko komentovaný kód pre vláknové výpočty na moderných procesoroch, ako aj masívne paralelné spracovanie na počítačoch s grafickými zobrazovacími kartami podporujúcimi CUDA.
Čo sa naučíte
⬤ Kód pre hlboké učenie, neurónové siete a umelú inteligenciu s využitím C++ a CUDA C.
⬤ Vykonajte predbežné spracovanie signálu pomocou jednoduchých transformácií, Fourierových transformácií, Morletových vlnoviek a ďalších.
⬤ Použiť Fourierovu transformáciu na predspracovanie obrazu.
⬤ Zaviesť automatické kódovanie prostredníctvom aktivácie v komplexnej oblasti.
⬤ Práca s algoritmami pre výpočet gradientu CUDA.
⬤ Používajte operačnú príručku DEEP.
Pre koho je táto kniha určená
Tým, ktorí majú aspoň základné znalosti o neurónových sieťach a nejaké predchádzajúce skúsenosti s programovaním, hoci sa odporúčajú nejaké znalosti C++ a CUDA C.
