Recensioni dei lettori
Riepilogo:Il libro sul Deep Learning presenta un'esplorazione completa e matematicamente ricca dell'argomento. È stato elogiato per le spiegazioni dettagliate e le prove rigorose, ma è stato criticato per la mancanza di revisione e organizzazione, che ha generato confusione tra i lettori. Mentre alcuni lo considerano il miglior libro teorico sul Deep Learning per coloro che hanno una solida preparazione matematica, altri lo trovano scritto male e pieno di errori.
Vantaggi:Copertura completa degli aspetti teorici del Deep Learning, contenuti matematici ben spiegati, prove rigorose, argomenti teorici unici, stampa di alta qualità.
Svantaggi:Scarsa correzione di bozze con numerosi errori, organizzazione disordinata, potrebbe essere troppo avanzato per i lettori senza una forte preparazione matematica, sezioni deludenti sulla teoria analitica.
(basato su 11 recensioni dei lettori)
Titolo originale:
Deep Learning Architectures: A Mathematical Approach
Contenuto del libro:
Problemi introduttivi. - Funzioni di attivazione.
- Funzioni di costo. - Algoritmi di ricerca dei minimi. - Neuroni astratti.
- Reti neurali.
- Teoremi di approssimazione. - Apprendimento con input monodimensionali.
- Approssimatori universali. - Apprendimento esatto. - Rappresentazione dell'informazione.
- Valutazione della capacità informativa. - Manifesti di output. - Neuromaniformi.
- Pooling. - Reti convoluzionali.
- Reti neurali ricorrenti. - Classificazione. - Modelli generativi.
- Reti stocastiche.
- Suggerimenti e soluzioni.
Altre informazioni sul libro:
| ISBN: | 9783030367237 |
| Autore: | |
| Editore: | |
| Rilegatura: | Copertina morbida |
Acquisto:
Attualmente disponibile, in magazzino.
