توضیحات
This textbook provides a compact but comprehensive treatment that provides analytical and design steps to recurrent neural networks from scratch. It provides a treatment of the general recurrent neural networks with principled methods for training that render the (generalized) backpropagation through time (BPTT). This author focuses on the basics and nuances of recurrent neural networks, providing technical and principled treatment of the subject, with a view toward using coding and deep learning computational frameworks, e.g., Python and Tensorflow-Keras. Recurrent neural networks are treated holistically from simple to gated architectures, adopting the technical machinery of adaptive non-convex optimization with dynamic constraints to leverage its systematic power in organizing the learning and training processes. This permits the flow of concepts and techniques that provide grounded support for design and training choices. The authors approach enables strategic co-training of output layers, using supervised learning, and hidden layers, using unsupervised learning, to generate more efficient internal representations and accuracy performance. As a result, readers will be enabled to create designs tailoring proficient procedures for recurrent neural networks in their targeted applications.
————————————————————–
ترجمه ماشینی :
این کتاب درسی درمان فشرده اما جامعی را ارائه میکند که مراحل تحلیلی و طراحی شبکههای عصبی مکرر را از ابتدا ارائه میکند. این درمان شبکههای عصبی عودکننده عمومی را با روشهای اصولی برای آموزش ارائه میکند که انتشار پسباز (تعمیمشده) در طول زمان (BPTT) را ارائه میکند. این نویسنده با تمرکز بر مبانی و تفاوت های ظریف شبکه های عصبی مکرر، ارائه درمان فنی و اصولی موضوع، با دیدگاه استفاده از کدگذاری و چارچوب های محاسباتی یادگیری عمیق، به عنوان مثال، Python و Tensorflow-Keras. شبکههای عصبی مکرر بهطور کلی از معماریهای ساده گرفته تا دردار، استفاده میشوند و از ماشینآلات فنی بهینهسازی غیر محدب تطبیقی با محدودیتهای دینامیکی استفاده میکنند تا از قدرت سیستماتیک آن در سازماندهی فرآیندهای یادگیری و آموزش استفاده کنند. این امکان جریان مفاهیم و تکنیک هایی را فراهم می کند که از طراحی و انتخاب های آموزشی پشتیبانی می کنند. رویکرد نویسندگان، آموزش استراتژیک لایههای خروجی را با استفاده از یادگیری نظارت شده، و لایههای پنهان، با استفاده از یادگیری بدون نظارت، برای تولید نمایشهای داخلی کارآمدتر و عملکرد دقت، امکانپذیر میسازد. در نتیجه، خوانندگان قادر خواهند بود طرحهایی ایجاد کنند که رویههای ماهر را برای شبکههای عصبی مکرر در برنامههای هدفمند خود ایجاد کنند.
tag : دانلود کتاب شبکه های عصبی مکرر: از معماری های ساده تا دروازه ای , Download شبکه های عصبی مکرر: از معماری های ساده تا دروازه ای , دانلود شبکه های عصبی مکرر: از معماری های ساده تا دروازه ای , Download Recurrent Neural Networks: From Simple to Gated Architectures Book , شبکه های عصبی مکرر: از معماری های ساده تا دروازه ای دانلود , buy شبکه های عصبی مکرر: از معماری های ساده تا دروازه ای , خرید کتاب شبکه های عصبی مکرر: از معماری های ساده تا دروازه ای , دانلود کتاب Recurrent Neural Networks: From Simple to Gated Architectures , کتاب Recurrent Neural Networks: From Simple to Gated Architectures , دانلود Recurrent Neural Networks: From Simple to Gated Architectures , خرید Recurrent Neural Networks: From Simple to Gated Architectures , خرید کتاب Recurrent Neural Networks: From Simple to Gated Architectures ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.