Tendances dans les méthodologies d'apprentissage profond : Algorithmes, applications et systèmes

Tendances dans les méthodologies d'apprentissage profond : Algorithmes, applications et systèmes (Vincenzo Piuri)

Titre original :

Trends in Deep Learning Methodologies: Algorithms, Applications, and Systems

Contenu du livre :

Tendances dans les méthodologies d'apprentissage profond : Algorithmes, applications et systèmes couvre les approches d'apprentissage profond telles que les réseaux neuronaux, les réseaux de croyance profonde, les réseaux neuronaux récurrents, les réseaux neuronaux convolutifs, les auto-encodeurs profonds et les réseaux génératifs profonds, qui sont apparus comme de puissants modèles informatiques.

Les chapitres élaborent sur ces modèles qui ont montré un succès significatif dans le traitement des données massives pour un grand nombre d'applications, étant donné leur capacité à extraire des caractéristiques cachées complexes et à apprendre une représentation efficace dans des contextes non supervisés. Les chapitres étudient les algorithmes basés sur l'apprentissage profond dans une variété d'applications, y compris l'informatique biomédicale et de santé, la vision par ordinateur, le traitement d'images, et plus encore.

Ces dernières années, de nombreux algorithmes puissants ont été développés pour faire correspondre des modèles dans les données et faire des prédictions sur des événements futurs. Le principal avantage de l'apprentissage profond est qu'il permet de traiter des analyses de données volumineuses pour une meilleure analyse et des algorithmes auto-adaptatifs pour traiter davantage de données. Les méthodes d'apprentissage en profondeur peuvent traiter plusieurs niveaux de représentation dans lesquels le système apprend à abstraire des représentations de plus haut niveau des données brutes.

Auparavant, il était courant de faire appel à un expert du domaine pour développer un modèle spécifique pour chaque application spécifique. Cependant, les progrès récents des algorithmes d'apprentissage de la représentation permettent aux chercheurs de divers domaines d'apprendre automatiquement les modèles et la représentation des données données pour le développement de modèles spécifiques.

Autres informations sur le livre :

ISBN :9780128222263
Auteur :
Éditeur :
Reliure :Broché
Année de publication :2020
Nombre de pages :306

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Tendances dans les méthodologies d'apprentissage profond : Algorithmes, applications et systèmes -...
Tendances dans les méthodologies d'apprentissage...
Tendances dans les méthodologies d'apprentissage profond : Algorithmes, applications et systèmes - Trends in Deep Learning Methodologies: Algorithms, Applications, and Systems
L'IA et l'IoT pour les applications de la ville intelligente - AI and Iot for Smart City...
Cadre de contrôle des drones intelligents - Vers un...
L'IA et l'IoT pour les applications de la ville intelligente - AI and Iot for Smart City Applications
L'IA et les technologies de l'information pour les applications de la ville intelligente - AI and...
Cadre de contrôle des drones intelligents - Vers...
L'IA et les technologies de l'information pour les applications de la ville intelligente - AI and Iot for Smart City Applications

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)