Avis des lecteurs
Résumé:Le livre « The Math of Neural Networks » de Michael Taylor fournit une introduction détaillée et accessible aux réseaux neuronaux, destinée principalement aux débutants disposant d'un bagage mathématique de base. Si beaucoup trouvent la présentation visuelle efficace et les explications claires, le livre demande de la patience et des connaissances préalables pour en saisir pleinement les concepts complexes. Certains lecteurs notent la qualité de l'auto-édition et les limites de la présentation, mais dans l'ensemble, il est recommandé pour ceux qui s'intéressent à l'apprentissage automatique et à l'apprentissage profond.
Avantages:Contenu clair et bien expliqué, présentation visuelle agréable, informations complètes pour les novices, décomposition efficace des idées complexes, graphiques et exemples instructifs, et bonne ressource pour poursuivre l'apprentissage.
Inconvénients:Nécessite des connaissances de base en mathématiques et en statistiques, peut être difficile pour les débutants complets, qualité de l'auto-édition avec des problèmes mineurs de formatage, et certains le trouvent dense et pas adapté à une lecture rapide.
(basé sur 61 avis de lecteurs)
Titre original :
The Math of Neural Networks
Contenu du livre :
Les réseaux neuronaux nous fascinent pour de nombreuses raisons et ont fait la une des journaux ces dernières années. Ils améliorent les recherches sur le web, organisent les photos et sont même utilisés pour la traduction vocale.
Ils peuvent même générer du cryptage. En même temps, ils sont aussi mystérieux et déroutants : comment accomplissent-ils exactement ces choses ? Que se passe-t-il à l'intérieur d'un réseau neuronal ? À un niveau élevé, un réseau apprend tout comme nous, par essais et erreurs. Cela est vrai que le réseau soit supervisé, non supervisé ou semi-supervisé.
En creusant un peu, on découvre qu'une poignée de fonctions mathématiques jouent un rôle majeur dans le processus d'essai et d'erreur. Il devient également évident que la compréhension des mathématiques sous-jacentes aide à clarifier la manière dont un réseau apprend.
Dans les chapitres suivants, nous allons décortiquer les mathématiques qui régissent un réseau neuronal. Pour ce faire, nous utiliserons un réseau feedforward comme modèle et nous suivrons les données d'entrée au fur et à mesure qu'elles se déplacent dans le réseau.
Autres informations sur le livre :
| ISBN : | 9781549893643 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
