Dieses Buch bietet eine umfassende Erforschung des Deep Learning, beginnend mit den Grundlagen neuronaler Netze, einschlie lich des Perceptron-Algorithmus und Schl sseltechniken wie Feed-Forward und Backpropagation, Optimierung und Regularisierung. Es befasst sich mit den Grundlagen des Deep Learning und behandelt wichtige Konzepte wie Gradientenabstieg, Backpropagation und L sungen f r Herausforderungen wie das Problem des verschwindenden Gradienten. Anschlie end werden Faltungsneuronale Netze (CNNs) vorgestellt und ihre Architekturen, Faltungsschichten und Pooling-Schichten sowie Anwendungen wie Transfer Learning f r die Bildklassifizierung erkl rt. Dar ber hinaus werden fortgeschrittene Deep-Learning-Architekturen wie LSTMs, GRUs und Autoencoder behandelt, einschlie lich verschiedener Typen wie Sparse, Denoising und adversarial generative networks. Schlie lich behandelt das Buch eine breite Palette von Anwendungen des Deep Learning, von der Bildverarbeitung und -segmentierung bis hin zur Objekterkennung, Video-zu-Text-Generierung und Dialogsystemen unter Verwendung von LSTMs, und bietet sowohl theoretisches Verst ndnis als auch praktische Einblicke f r die Implementierung von Deep-Learning-Modellen.
ThriftBooks sells millions of used books at the lowest
everyday prices. We personally assess every book's quality and offer rare, out-of-print treasures. We
deliver the joy of reading in recyclable packaging with free standard shipping on US orders over $15.
ThriftBooks.com. Read more. Spend less.