توضیحات
This book covers a large set of methods in the field of Artificial Intelligence – Deep Learning applied to real-world problems.The fundamentals of the Deep Learning approach and different types of Deep Neural Networks (DNNs) are first summarized in this book, which offers a comprehensive preamble for further problemoriented chapters.
The most interesting and open problems of machine learning in the framework of Deep Learning are discussed in this book and solutions are proposed. This book illustrates how to implement the zero-shot learning with Deep Neural Network Classifiers, which require a large amount of training data. The lack of annotated training data naturally pushes the researchers to implement low supervision algorithms. Metric learning is a long-term research but in the framework of Deep Learning approaches, it gets freshness and originality. Fine-grained classification with a low inter-class variability is a difficult problem for any classification tasks. This book presents how it is solved, by using different modalities and attention mechanisms in 3D convolutional networks.
Researchers focused on Machine Learning, Deep learning, Multimedia and Computer Vision will want to buy this book. Advanced level students studying computer science within these topic areas will also find this book useful.
————————————————————–
ترجمه ماشینی :
این کتاب مجموعه وسیعی از روشها را در زمینه هوش مصنوعی پوشش میدهد – یادگیری عمیق که برای مسائل دنیای واقعی به کار میرود. مبانی رویکرد یادگیری عمیق و انواع مختلف شبکههای عصبی عمیق (DNN) برای اولین بار در این کتاب خلاصه شده است. ، که مقدمه ای جامع برای فصل های مشکل گرا بیشتر ارائه می دهد.
جذاب ترین و بازترین مسائل یادگیری ماشین در چارچوب یادگیری عمیق در این کتاب مورد بحث قرار گرفته و راه حل هایی ارائه شده است. این کتاب نحوه پیادهسازی یادگیری شات صفر را با طبقهبندیکنندههای شبکه عصبی عمیق، که به حجم زیادی از دادههای آموزشی نیاز دارد، نشان میدهد. فقدان داده های آموزشی مشروح به طور طبیعی محققان را به پیاده سازی الگوریتم های نظارت پایین سوق می دهد. یادگیری متریک یک تحقیق طولانی مدت است اما در چارچوب رویکردهای یادگیری عمیق، تازگی و اصالت پیدا می کند. طبقه بندی ریزدانه با تنوع کم بین طبقاتی یک مشکل دشوار برای هر کار طبقه بندی است. این کتاب نحوه حل آن را با استفاده از روشهای مختلف و مکانیسمهای توجه در شبکههای کانولوشن سه بعدی ارائه میکند.
محققان متمرکز بر یادگیری ماشین، یادگیری عمیق، چند رسانهای و بینایی کامپیوتری میخواهند این کتاب را خریداری کنند. دانشآموزان سطح پیشرفته که در این زمینههای موضوعی علوم کامپیوتر را مطالعه میکنند نیز این کتاب را مفید خواهند یافت.
tag : دانلود کتاب یادگیری عمیق چند وجهی: مدل ها و داده ها , Download یادگیری عمیق چند وجهی: مدل ها و داده ها , دانلود یادگیری عمیق چند وجهی: مدل ها و داده ها , Download Multi-faceted Deep Learning: Models and Data Book , یادگیری عمیق چند وجهی: مدل ها و داده ها دانلود , buy یادگیری عمیق چند وجهی: مدل ها و داده ها , خرید کتاب یادگیری عمیق چند وجهی: مدل ها و داده ها , دانلود کتاب Multi-faceted Deep Learning: Models and Data , کتاب Multi-faceted Deep Learning: Models and Data , دانلود Multi-faceted Deep Learning: Models and Data , خرید Multi-faceted Deep Learning: Models and Data , خرید کتاب Multi-faceted Deep Learning: Models and Data ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.