Computational Methods for Deep Learning: Theoretic, Practice and Applications (Texts in Computer Science)
Kurzinformation
inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
Computational Methods for Deep Learning: Theoretic, Practice and Applications von Wei Qi Yan ist ein umfassendes Lehrbuch, das sich auf die theoretischen und praktischen Aspekte der Implementierung und Anwendung von Deep-Learning-Techniken konzentriert. Es bietet eine detaillierte Diskussion über verschiedene Arten von neuronalen Netzwerken, einschließlich Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN) und andere. Das Buch erklärt auch die verschiedenen Algorithmen und Techniken, die in Deep Learning verwendet werden, wie Backpropagation, Stochastic Gradient Descent und mehr. Darüber hinaus behandelt das Buch auch fortgeschrittene Themen wie Transfer Learning, Reinforcement Learning und Generative Adversarial Networks (GANs). Es enthält zahlreiche Beispiele und Anwendungen aus verschiedenen Bereichen wie Bildverarbeitung, Spracherkennung und natürliche Sprachverarbeitung. Dieses Buch ist sowohl für Studierende als auch für Praktiker im Bereich der künstlichen Intelligenz geeignet.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Kartoniert
- 480 Seiten
- Erschienen 2005
- The MIT Press
- paperback
- 223 Seiten
- Erschienen 2021
- Sergios Karagiannakos
- Kartoniert
- 360 Seiten
- Erschienen 2018
- Manning
- Klappenbroschur
- 413 Seiten
- Erschienen 2016
- De Gruyter Oldenbourg
- hardcover
- 353 Seiten
- Erschienen 2014
- Springer
- hardcover
- 226 Seiten
- Erschienen 2019
- Springer
- Kartoniert
- 621 Seiten
- Erschienen 2020
- Springer
- Gebunden
- 470 Seiten
- Erschienen 2012
- Springer
- Taschenbuch
- 352 Seiten
- Erschienen 1991
- Westview Press
- Gebunden
- 256 Seiten
- Erschienen 2013
- Springer




