Глубокое обучение, Принципы и концепции, Бишоп К.М., Бишоп X., 2025

Глубокое обучение, Принципы и концепции, Бишоп К.М., Бишоп X., 2025.
 
   Эта книга предлагает исчерпывающее описание фундаментальных идей, лежащих в основе глубокого обучения. Она разбита на небольшие главы с последовательным изложением материала. Особое внимание уделяется практической ценности изучаемых методов в реальном мире. Сложные концепции рассмотрены в нескольких ракурсах, включая текстовые описания, диаграммы, математические формулы и программные псевдокоды. Второе издание дополнено решениями задач с пояснениями автора.
Книга адресована как новичкам в машинном обучении, так и опытным специалистам в этой области.




Краткая история машинного обучения.
Машинное обучение имеет долгую и богатую историю с поиском разнообразных альтернативных концепций. Здесь мы сосредоточимся на эволюции методов машинного обучения на основе нейронных сетей, поскольку они представляют собой основу глубокого обучения и оказались наиболее эффективным подходом к машинному обучению для реальных приложений.

Изначально модели нейронных сетей разрабатывались на основе исследований обработки информации в мозге человека и других млекопитающих. Основными единицами обработки информации в мозге являются электрически активные клетки, называемые нейронами, как показано на рис. 1.12. При «срабатывании» нейрон посылает электрический импульс по аксону, где он достигает узлов под названием синапсы, которые формируют связи с другими нейронами. В синапсах выделяются химические сигналы, называемые нейротрансмиттерами, которые могут стимулировать или подавлять работу соседних нейронов.

ОГЛАВЛЕНИЕ.
От издательства.
Предисловие.
Глава 1. Революция глубокого обучения.
Глава 2. Вероятности.
Глава 3. Стандартные распределения.
Глава 4. Однослойные сети: регрессия.
Глава 5. Однослойные сети: классификация.
Глава 6. Глубокие нейронные сети.
Глава 7. Градиентный спуск.
Глава 8. Обратное распространение.
Глава 9. Регуляризация.
Глава 10. Сверточные сети.
Глава 11. Структурированные распределения.
Глава 12. Трансформеры.
Глава 13. Графовые нейронные сети.
Глава 14. Выборка.
Глава 15. Дискретные латентные переменные.
Глава 16. Непрерывные латентные переменные.
Глава 17. Генеративные состязательные сети.
Глава 18. Нормализующие потоки.
Глава 19. Автокодировщики.
Глава 20. Диффузионные модели.
Приложение А. Линейная алгебра.
Приложение В. Вариационное исчисление.
Приложение С. Множители Лагранжа.
Решения упражнений.
Список литературы.
Предметный указатель.


Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Купить .



Хештеги: #учебник по информатике :: #информатика :: #компьютеры :: #Бишоп Бишоп :: #нейросеть :: #нейрон