Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Neural Networks: Easy Guide to Artificial Neural Networks (Artificial Intelligence and Neural Network Concepts Explained in Simple Term
Contenu du livre :
Ce livre traite de l'utilisation de l'apprentissage profond pour la vision par ordinateur à l'aide de réseaux neuronaux convolutionnels. Ces derniers représentent l'état de l'art en matière de classification d'images et battent les réseaux profonds vanille dans des tâches telles que mnist.
Dans ce cours, nous allons relever le défi et examiner l'ensemble de données streetview house number (svhn) - qui utilise des images couleur plus grandes sous différents angles - de sorte que les choses vont devenir plus difficiles à la fois sur le plan informatique et en termes de difficulté de la tâche de classification.
Avantages de la lecture de ce livre que vous ne trouverez nulle part ailleurs :
⬤ Introduction aux réseaux neuronaux.
⬤ Structures des réseaux neuronaux.
⬤ Construction d'un réseau neuronal.
⬤ La construction de neurones artificiels.
⬤ Le modèle des neurones biologiques.
⬤ Comment ils fonctionnent.
⬤ Les capacités de la structure des réseaux neuronaux.
⬤ Organiser votre réseau.
L'apprentissage profond est un nouveau concept apparu dans les années 2000. Si l'apprentissage profond est nouveau pour lui, ce n'est pas le cas des réseaux de neurones artificiels, concept sur lequel repose l'apprentissage profond. On entend parler du premier neurone artificiel en 1943 lorsque Warren McCulloch et Walterpitts publient leur premier modèle mathématique et informatique du neurone biologique : le neurone formel. Le neurone formel est directement inspiré du neurone biologique.
Autres informations sur le livre :
| ISBN : | 9781775267270 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
