Deep Learning Architectures: A Mathematical Approach
feb. 2020 · Springer Nature
E-bok
760
Sidor
reportBetyg och recensioner verifieras inte Läs mer
Om den här e-boken
This book describes how neural networks operate from the mathematical point of view. As a result, neural networks can be interpreted both as function universal approximators and information processors. The book bridges the gap between ideas and concepts of neural networks, which are used nowadays at an intuitive level, and the precise modern mathematical language, presenting the best practices of the former and enjoying the robustness and elegance of the latter.
This book can be used in a graduate course in deep learning, with the first few parts being accessible to senior undergraduates. In addition, the book will be of wide interest to machine learning researchers who are interested in a theoretical understanding of the subject.
Om författaren
Ovidiu Calin, a graduate from University of Toronto, is a professor at Eastern Michigan University and a former visiting professor at Princeton University and University of Notre Dame. He has delivered numerous lectures at several universities in Japan, Hong Kong, Taiwan, and Kuwait over the last 15 years. His publications include over 60 articles and 8 books in the fields of machine learning, computational finance, stochastic processes, variational calculus and geometric analysis.
Betygsätt e-boken
Berätta vad du tycker.
Läsinformation
Smartphones och surfplattor
Installera appen Google Play Böcker för Android och iPad/iPhone. Appen synkroniseras automatiskt med ditt konto så att du kan läsa online eller offline var du än befinner dig.
Laptops och stationära datorer
Du kan lyssna på ljudböcker som du har köpt på Google Play via webbläsaren på datorn.
Läsplattor och andra enheter
Om du vill läsa boken på enheter med e-bläck, till exempel Kobo-läsplattor, måste du ladda ned en fil och överföra den till enheten. Följ anvisningarna i hjälpcentret om du vill överföra filerna till en kompatibel läsplatta.
