Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Hamiltonian Monte Carlo Methods in Machine Learning
Contenu du livre :
Hamiltonian Monte Carlo Methods in Machine Learning présente des méthodes de réglage optimal des paramètres HMC, ainsi qu'une introduction aux méthodes HMC non canoniques et à ombre, avec des améliorations et des accélérations. Enfin, les auteurs abordent les questions cruciales de la réduction de la variance pour les estimations des paramètres de nombreux échantillonneurs basés sur la méthode HMC.
Le livre offre une introduction complète aux méthodes de Monte Carlo Hamiltoniennes et fournit une exposition de pointe des pathologies actuelles des méthodes basées sur les HMC à la fois dans le réglage, la mise à l'échelle et l'échantillonnage des postérités complexes du monde réel. Il s'agit principalement de la mise à l'échelle de l'inférence (par exemple, les réseaux neuronaux profonds), du réglage des paramètres d'échantillonnage sensibles aux performances et de l'autocorrélation élevée de l'échantillon.
D'autres sections fournissent de nombreuses solutions aux pièges potentiels, en présentant des méthodes HMC avancées avec des applications dans les énergies renouvelables, la finance et la classification d'images pour des applications biomédicales. Les lecteurs se familiariseront à la fois avec la théorie de l'échantillonnage HMC et la mise en œuvre des algorithmes.
Autres informations sur le livre :
| ISBN : | 9780443190353 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2023 |
| Nombre de pages : | 220 |
Achat:
Actuellement disponible, en stock.
