توضیحات
Deep neural networks (DNNs) with their dense and complex algorithms provide real possibilities for Artificial General Intelligence (AGI). Meta-learning with DNNs brings AGI much closer: artificial agents solving intelligent tasks that human beings can achieve, even transcending what they can achieve. Meta-Learning: Theory, Algorithms and Applications shows how meta-learning in combination with DNNs advances towards AGI.
Meta-Learning: Theory, Algorithms and Applications explains the fundamentals of meta-learning by providing answers to these questions: What is meta-learning?; why do we need meta-learning?; how are self-improved meta-learning mechanisms heading for AGI ?; how can we use meta-learning in our approach to specific scenarios? The book presents the background of seven mainstream paradigms: meta-learning, few-shot learning, deep learning, transfer learning, machine learning, probabilistic modeling, and Bayesian inference. It then explains important state-of-the-art mechanisms and their variants for meta-learning, including memory-augmented neural networks, meta-networks, convolutional Siamese neural networks, matching networks, prototypical networks, relation networks, LSTM meta-learning, model-agnostic meta-learning, and the Reptile algorithm.
The book takes a deep dive into nearly 200 state-of-the-art meta-learning algorithms from top tier conferences (e.g. NeurIPS, ICML, CVPR, ACL, ICLR, KDD). It systematically investigates 39 categories of tasks from 11 real-world application fields: Computer Vision, Natural Language Processing, Meta-Reinforcement Learning, Healthcare, Finance and Economy, Construction Materials, Graphic Neural Networks, Program Synthesis, Smart City, Recommended Systems, and Climate Science. Each application field concludes by looking at future trends or by giving a summary of available resources.
Meta-Learning: Theory, Algorithms and Applications is a great resource to understand the principles of meta-learning and to learn state-of-the-art meta-learning algorithms, giving the student, researcher and industry professional the ability to apply meta-learning for various novel applications.
————————————————————–
ترجمه ماشینی :
شبکه های عصبی عمیق (DNN) با الگوریتم های متراکم و پیچیده خود، امکانات واقعی برای هوش عمومی مصنوعی (AGI) فراهم می کنند. فرا یادگیری با DNN ها AGI را بسیار نزدیکتر می کند: عوامل مصنوعی وظایف هوشمندانه ای را حل می کنند که انسان می تواند به آن دست یابد، حتی فراتر از آنچه می تواند به دست آورد. فرا یادگیری: تئوری، الگوریتم ها و کاربردها نشان می دهد که چگونه فرا یادگیری در ترکیب با DNN ها به سمت AGI پیش می رود.
فرادآموزی: نظریه، الگوریتم ها و کاربردها < span> با ارائه پاسخ به این سوالات، مبانی فرا یادگیری را توضیح می دهد: فرا یادگیری چیست؟ چرا ما به فرا یادگیری نیاز داریم؟ مکانیسمهای فرا یادگیری خود بهبود یافته چگونه به سمت AGI حرکت میکنند؟ چگونه می توانیم از فرا یادگیری در رویکرد خود به سناریوهای خاص استفاده کنیم؟ این کتاب پیشینه هفت پارادایم جریان اصلی را ارائه میکند: فرا یادگیری، یادگیری چند مرحلهای، یادگیری عمیق، یادگیری انتقالی، یادگیری ماشین، مدلسازی احتمالی و استنتاج بیزی. سپس مکانیسمهای مهم پیشرفته و انواع آنها را برای فرایادگیری توضیح میدهد، از جمله شبکههای عصبی تقویتشده حافظه، متا شبکهها، شبکههای عصبی سیامی کانولوشن، شبکههای تطبیق، شبکههای نمونه اولیه، شبکههای رابطه، فرایادگیری LSTM، فرایادگیری مدل-آگنوستیک و الگوریتم خزنده.
این کتاب به بررسی نزدیک به 200 الگوریتم فرا یادگیری پیشرفته از کنفرانس های سطح بالا می پردازد. (به عنوان مثال NeurIPS، ICML، CVPR، ACL، ICLR، KDD). این به طور سیستماتیک 39 دسته از وظایف را از 11 زمینه کاربردی در دنیای واقعی بررسی می کند: بینایی کامپیوتر، پردازش زبان طبیعی، یادگیری فرا تقویتی، مراقبت های بهداشتی، مالی و اقتصاد، مصالح ساختمانی، شبکه های عصبی گرافیکی، ترکیب برنامه، شهر هوشمند، سیستم های توصیه شده، و علوم اقلیمی. هر فیلد کاربردی با نگاه کردن به روندهای آینده یا با ارائه خلاصه ای از منابع موجود به پایان می رسد.
فرادآموزی: نظریه، الگوریتم ها و کاربردها یکی است منبعی عالی برای درک اصول فرایادگیری و یادگیری الگوریتمهای فرا یادگیری پیشرفته، که به دانشآموز، محقق و متخصص صنعت این امکان را میدهد که فرایادگیری را برای کاربردهای جدید مختلف به کار ببندد.<. /p>
tag : دانلود کتاب فرا یادگیری: نظریه، الگوریتم ها و کاربردها , Download فرا یادگیری: نظریه، الگوریتم ها و کاربردها , دانلود فرا یادگیری: نظریه، الگوریتم ها و کاربردها , Download Meta-Learning: Theory, Algorithms and Applications Book , فرا یادگیری: نظریه، الگوریتم ها و کاربردها دانلود , buy فرا یادگیری: نظریه، الگوریتم ها و کاربردها , خرید کتاب فرا یادگیری: نظریه، الگوریتم ها و کاربردها , دانلود کتاب Meta-Learning: Theory, Algorithms and Applications , کتاب Meta-Learning: Theory, Algorithms and Applications , دانلود Meta-Learning: Theory, Algorithms and Applications , خرید Meta-Learning: Theory, Algorithms and Applications , خرید کتاب Meta-Learning: Theory, Algorithms and Applications ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.