Нейронные сети и глубокое обучение: учебный курс [Чару Аггарвал] (pdf) читать постранично
Книга в формате pdf! Изображения и текст могут не отображаться!
[Настройки текста] [Cбросить фильтры]
- 1
- 2
- 3
- . . .
- последняя (71) »
сети и глубокое
обучение
Учебный курс
Charu С. Aggarwal
Neural Networks
and
Deep Learning
А Textbook
~ Springer
Чару Аггарвал
Нейронные
сети и глубокое
обучение
Учебный курс
Москва
2020
· Санкт-Петербург
ББК
32.973.26-018.2.75
А23
УДК
681.3.07
Компьютерное издательство "Диалектика"
Перевод с английского канд. хим. наук А.Г Гузикевича
Под редакцией В.Р. Гинзбурга
По общим вопросам обращайтесь в издательство "Диалектика" по адресу:
info@dialektika.com,http://www.dialektika.com
Аггарвал, Чару
А23
Нейронные сети и глубокое обучение: учебный курс.
ООО "Диалектика",
2020. -
752
ISBN 978-5-907203-01-3
(рус.)
с.
-
: Пер.
с англ.
ББК
Все
названия
программных
продуктов
-
СПб.
:
Парал. тит. англ.
являются
32.973.26-018.2. 75
зарегистрированными торговыми
марками
соответствующих фирм.
Никакая часть настоящего издания ни в каких целях не может быть воспроизведена в какой бы то ни бьшо
форме и какими бы то ни бьшо средствами, бу.цъ то электронные или механические, включая фотокопирование
и запись на магнитный носитель, если на это нет письменного разрешения издательства
Springer.
Authorized Russian translation ofthe English edition of Neural Networks and Deep Learning: А Textbook (ISBN
978-3-319-94462-3) © Springer lntemational PuЬ\ishing AG, part of Springer Nature 2018
This translation is puЬ\ished and sold Ьу perrnission of Springer, which owns or controls а\\ rights to sell the
same.
All rights reserved. No part of this book may Ье reproduced or transmitted in any forrn or Ьу any means, electronic or mechanical, including photocopying, recording, or Ьу any inforrnation storage or retrieval system, without
the prior written permission of the copyright owner and the PuЬ\isher.
Научно-популярное издание
Чару Аrтарвал
Нейронные сети и глубокое обучение:
учебный курс
ООО "Диалектика",
ISBN 978-5-907203-01-3
ISBN 978-3-319-94462-3
195027,
Санкт-Петербург, Магнитогорская ул., д.
30, лит.
А, пом.
848
(рус.)
© 2020
(англ.)
© Springer lnternational PuЬ\ishing AG,
part of Springer Nature 2018
ООО "Диалектика"
Оглавление
Предисловие
17
Глава
1.
Введение в нейронные сети
23
Глава
2.
Машинное обучение
Глава
3.
Глава
4.
с помощью мелких нейронных сетей
101
Обучение глубоких нейронных сетей
179
Обучение глубоких сетей способности
к обобщению
271
Глава
5.
Сети радиально-базисных функций
345
Глава
6.
Ограниченные машины Больцмана
369
Глава
7.
Рекуррентные нейронные сети
423
Глава
8.
Сверточные нейронные сети
485
Глава
9.
Глубокое обучение с подкреплением
569
Глава
10. Дополнительные
вопросы глубокого обучения
637
Библиография
695
Предметный указатель
737
Содержание
Предисловие
17
Об авторе
Ждем ваших отзывов!
20
21
Глава
23
1.1.
1.
Введение в нейронные сети
Введение
1.1.1. Человек и
1.2.
1.4.
компьютер: расширение пределов возможностей
искусственного интеллекта
26
Базовая архитектура нейронных сетей
29
29
46
51
1.2.1.
1.2.2.
1.2.3.
1.3.
23
Одиночный вычислительный слой: перцептрон
Многослойные нейронные сети
Многослойная нейронная сеть как вычислительный граф
Тренировка нейронной сети с помощью алгоритма обратного
распространения ошибки
52
Практические аспекты тренировки нейронных сетей
57
58
63
64
64
65
1.4.1. Проблема переобучения
1.4.2. Проблемы затухающих и взрывных градиентов
1.4.3. Трудности со сходимостью
1.4.4. Локальные и ложные оптимумы
1.4.5. Вычислительные трудности
1.5. Преимущества композиции функций
1.5.1. Важность нелинейной активации
1.5.2. Снижение требований к параметрам с помощью
1.5.3. Нестандартные архитектуры нейронных сетей
1.6.
глубины
Распространенные архитектуры нейронных сетей
1.6.1.
66
69
71
73
76
Имитация базового машинного обучения с помощью
мелких моделей
1.6.2. Сети радиально-базисных функций
1.6.3. Ограниченные машины Больцмана
1.6.4. Рекуррентные нейронные сети
1.6.5. Сверточные нейронные сети
1.6.6. Иерархическое конструирование признаков
и предварительное обучение моделей
76
77
78
79
82
84
СОДЕРЖАНИЕ
1. 7.
7
Дополнительные темы
1. 7 .1. Обучение с подкреплением
1.7.2. Отделение хранения данных от вычислений
1. 7 .3. Генеративно-состязательные сети
1.8. Два показательных эталонных теста
1.8.1. База данных рукописных цифр
1.8.2. База данных ImageNet
1.9.
МNIST
Резюме
1.1 О. Библиографическая справка
1.10.1. Видеолекции
1.10.2. Программные ресурсы
1.11.
Упражнения
Глава
2.
2.2.
2.5.
94
96
97
98
101
1О1
Архитектуры нейронных сетей для моделей бинарной классификации
104
105
107
113
116
Повторное рассмотрение перцептрона
Регрессия по методу наименьших квадратов
Логистическая регрессия
Метод опорных векторов
Архитектуры нейронных сетей для
- 1
- 2
- 3
- . . .
- последняя (71) »
Последние комментарии
18 часов 9 минут назад
20 часов 26 минут назад
1 день 11 часов назад
1 день 11 часов назад
1 день 16 часов назад
1 день 20 часов назад