Электронная книга – цифровая версия продукта

Название: Глубокое обучение

Формат файла: pdf

Издатель: Научное издательство PWN

Количество страниц: 900

Издание: 1

Год издания: 2018

язык: польский

Описание:

Глубокое обучение — это тип системы машинного обучения, которая позволяет компьютерам учиться на основе опыта и понимать мир в сказочной иерархии концепций. Поскольку компьютер накапливает знания на основе опыта, для определения всех знаний, необходимых компьютеру, не требуется никакого человеческого контроля. Иерархия понятий позволяет компьютеру изучать сложные понятия, расширяя их из более простых элементов. Граф таких иерархий будет многоуровневым.

В книге представлен широкий спектр тем в области глубокого обучения.

Содержание:

1. Введение1

1.1. Кому следует прочитать эту книгу? 9

1.2. Исторические тенденции в глубоком обучении 11

I Основы прикладной математики и машинного обучения27

2. Линейная алгебра29

2.1. Скаляры, векторы, матрицы и тензоры 29

2.2. Умножение матриц и векторов 32

2.3. Тождественные и обратные матрицы 34

2.4. Линейная зависимость и диапазон 35

2,5. Стандарты 37

2.6. Матрицы и специальные векторы 38

2.7. Разложение по собственным значениям 40

2.8. Разложение по сингулярным числам 42

2.9. Обобщенная обратная матрица (Мура-Пенроуза) 43

2.10. Оператор трассировки 44

2.11. Определитель 45

2.12. Пример: анализ главных компонентов 45

3. Теория вероятностей и информации51

3.1. Почему вероятность? 52

3.2. Случайные величины 54

3.3. Распределения вероятностей 54

3.4. Предельная вероятность 56

3.5. Условная вероятность 57

3.6. Цепное правило условной вероятности 57

3.7. Независимость и условная независимость 58

3.8. Ожидаемое значение, дисперсия и ковариация 58

3.9. Известные распределения вероятностей 60

3.10. Полезные возможности элементарных функций 65

3.11. Закон Байеса 68

3.12. Технические подробности непрерывных переменных 68

3.13. Теория информации 70

3.14. Структурно-вероятностные модели 73

4. Численные расчеты77

4.1. Избыток и недостаток 77

4.2. Плохие условия 79

4.3. Градиентная оптимизация 79

4.4. Оптимизация с ограничениями 89

4.5. Пример: линейный метод наименьших квадратов 92

5. Основы машинного обучения95

5.1. Алгоритмы обучения 96

5.2. Мощность, переоснащение и недооснащение 108

5.3. Гиперпараметры и наборы проверки 118

5.4. Оценщики, смещение и дисперсия 120

5.5. Метод максимального правдоподобия 129

5.6. Байесовская статистика 133

5.7. Алгоритмы контролируемого обучения 138

5.8. Алгоритмы неконтролируемого обучения 143

5.9. Метод стохастического градиента 150

5.10. Создание алгоритма системы обучения 152

5.11. Проблемы, мотивирующие глубокое обучение 153

II Глубокие сети: современные практики163

6. Глубокие однонаправленные сети165

6.1. Пример: изучение функции XOR 168

6.2. Градиентное обучение 173

6.3. Скрытые объекты 188

6.4. Архитектурное проектирование 195

6.5. Обратное распространение ошибки и другие алгоритмы дифференцирования 201

6.6. Исторические заметки 221

7. Регуляризация в глубоком обучении225

7.1. Стандартные штрафы по параметрам 227

7.2. Стандартные штрафы как ограниченная оптимизация 234

7.3. Регуляризация и неограниченные задачи 236

7.4. Увеличение набора данных 237

7.5. Помехоустойчивость 239

7.6. Полуконтролируемое обучение 241

7.7. Многозадачное обучение 242

7.8. Досрочная остановка 243

7.9. Параметры привязки и совместного использования 250

7.10. Редко выполненные представления 252

7.11. Сбор мешков и другие командные методы 254

7.12. Отказ 256

7.13. Антагонистическая тренировка 266

7.14. Касательное расстояние, касательное распространение и касательная к классификатору многообразия 268

8. Оптимизация для обучения глубоких моделей273

8.1. Чем обучение отличается от чистой оптимизации 274

8.2. Проблемы с

----

Важная информация о продукте:

ЭЛЕКТРОННАЯ КНИГА — ЦИФРОВОЙ ПРОДУКТ

Вы можете скачать файл в своей учетной записи Allegro на вкладке «Моя полка».

Для покупки электронной книги у вас должна быть учетная запись на Allegro.

Электронная книга будет защищена водяным знаком и не имеет DRM.