Avis des lecteurs
Résumé:Le livre fournit un traitement mathématique approfondi de l'apprentissage profond, ce qui en fait une référence précieuse pour les experts. Cependant, il est critiqué pour sa difficulté de lecture, en particulier pour les novices, en raison de son style laconique et de son utilisation intensive d'équations.
Avantages:⬤ Excellent traitement théorique et mathématique de l'apprentissage profond
⬤ couverture complète du sujet
⬤ nombreuses références à la littérature académique
⬤ offre un aperçu des problèmes ouverts dans le domaine.
⬤ Difficile à lire pour les non-experts
⬤ manque de discussions détaillées
⬤ considéré comme laconique avec une forte utilisation d'équations, ce qui le rend impénétrable pour les novices.
(basé sur 4 avis de lecteurs)
Titre original :
Learning Deep Architectures for AI
Contenu du livre :
L'apprentissage automatique peut-il donner naissance à l'IA ? Les résultats théoriques, l'inspiration du cerveau et de la cognition, ainsi que les expériences d'apprentissage automatique suggèrent que pour apprendre le type de fonctions compliquées qui peuvent représenter des abstractions de haut niveau (par exemple, dans la vision, le langage et d'autres tâches de niveau IA), il faudrait des architectures profondes. Les architectures profondes sont composées de plusieurs niveaux d'opérations non linéaires, comme dans les réseaux neuronaux avec de nombreuses couches cachées, les modèles graphiques avec de nombreux niveaux de variables latentes, ou dans les formules propositionnelles compliquées réutilisant de nombreuses sous-formules.
Chaque niveau de l'architecture représente des caractéristiques à un niveau d'abstraction différent, défini comme une composition de caractéristiques de niveau inférieur. La recherche dans l'espace des paramètres des architectures profondes est une tâche difficile, mais de nouveaux algorithmes ont été découverts et un nouveau sous-domaine est apparu dans la communauté de l'apprentissage automatique depuis 2006, à la suite de ces découvertes. Des algorithmes d'apprentissage tels que ceux des réseaux de croyance profonds et d'autres algorithmes d'apprentissage non supervisé connexes ont récemment été proposés pour entraîner les architectures profondes, produisant des résultats intéressants et dépassant l'état de l'art dans certains domaines.
Learning Deep Architectures for AI examine les motivations et les principes des algorithmes d'apprentissage pour les architectures profondes. En analysant et en comparant les résultats récents obtenus avec différents algorithmes d'apprentissage pour les architectures profondes, des explications sur leur succès sont proposées et discutées, mettant en évidence les défis et suggérant des pistes pour de futures explorations dans ce domaine.
Autres informations sur le livre :
| ISBN : | 9781601982940 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
