دانلود کتاب Neural Networks and Deep Learning: A Textbook (به فارسی: شبکه های عصبی و یادگیری عمیق: کتاب درسی) نوشته شده توسط «Charu C. Aggarwal»
اطلاعات کتاب شبکه های عصبی و یادگیری عمیق: کتاب درسی
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Springer
نویسنده: Charu C. Aggarwal
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2018
تعداد صفحه: 524 / 512
حجم فایل: 5.15 مگابایت
کد کتاب: 3319944622 , 9783319944623
توضیحات کتاب شبکه های عصبی و یادگیری عمیق: کتاب درسی
این کتاب هر دو مدل کلاسیک و مدرن در یادگیری عمیق را پوشش می دهد. تمرکز اصلی بر نظریه و الگوریتم های یادگیری عمیق است. تئوری و الگوریتم‌های شبکه‌های عصبی برای درک مفاهیم مهم اهمیت ویژه‌ای دارند، به طوری که می‌توان مفاهیم مهم طراحی معماری‌های عصبی را در کاربردهای مختلف درک کرد. چرا شبکه های عصبی کار می کنند؟ چه زمانی آنها بهتر از مدل های یادگیری ماشینی خارج از قفسه کار می کنند؟ چه زمانی عمق مفید است؟ چرا آموزش شبکه های عصبی اینقدر سخت است؟ چه مشکلاتی وجود دارد؟
این کتاب همچنین غنی از بحث در مورد کاربردهای مختلف است تا به پزشک مزه ای از نحوه طراحی معماری های عصبی برای انواع مختلف مشکلات بدهد. برنامه‌های کاربردی مرتبط با حوزه‌های مختلف مانند سیستم‌های توصیه‌گر، ترجمه ماشینی، شرح تصاویر، طبقه‌بندی تصاویر، بازی‌های مبتنی بر یادگیری تقویتی، و تجزیه و تحلیل متن پوشش داده شده‌اند.
فصل‌های این کتاب شامل سه دسته است: >
اصول شبکه های عصبی: بسیاری از مدل های سنتی یادگیری ماشین را می توان به عنوان موارد خاص شبکه های عصبی درک کرد. در دو فصل اول بر درک رابطه بین یادگیری ماشین سنتی و شبکه های عصبی تاکید شده است. ماشین‌های بردار پشتیبان، رگرسیون خطی/لجستیک، تجزیه مقدار منفرد، فاکتورسازی ماتریس و سیستم‌های توصیه‌کننده به عنوان موارد خاصی از شبکه‌های عصبی نشان داده شده‌اند. این روش‌ها همراه با روش‌های مهندسی ویژگی‌های اخیر مانند word2vec مورد مطالعه قرار می‌گیرند.
مبانی شبکه‌های عصبی: بحث مفصلی در مورد آموزش و منظم‌سازی در فصل‌های 3 و 4 ارائه شده است. فصل‌های 5 و 6 شبکه‌های تابع پایه شعاعی (RBF) و ماشین‌های محدود شده بولتزمن را ارائه می‌دهند.
موضوعات پیشرفته در شبکه‌های عصبی: فصل‌های 7 و 8 شبکه‌های عصبی بازگشتی و شبکه‌های عصبی کانولوشن را مورد بحث قرار می‌دهند. چندین موضوع پیشرفته مانند یادگیری تقویتی عمیق، ماشین‌های تورینگ عصبی، نقشه‌های خودسازماندهی کوهونن، و شبکه‌های متخاصم مولد در فصل‌های 9 و 10 معرفی شده‌اند.
این کتاب برای دانشجویان فارغ‌التحصیل، پژوهشگران و پزشکان نوشته شده است. تمرین‌های متعددی همراه با راهنمای راه‌حل برای کمک به تدریس در کلاس در دسترس است. در صورت امکان، یک نمای برنامه محور برجسته می شود تا درکی از کاربردهای عملی هر دسته از تکنیک ها ارائه شود.
The book is also rich in discussing different applications in order to give the practitioner a flavor of how neural architectures are designed for different types of problems. Applications associated with many different areas like recommender systems, machine translation, image captioning, image classification, reinforcement-learning based gaming, and text analytics are covered.
The chapters of this book span three categories:
The basics of neural networks: Many traditional machine learning models can be understood as special cases of neural networks. An emphasis is placed in the first two chapters on understanding the relationship between traditional machine learning and neural networks. Support vector machines, linear/logistic regression, singular value decomposition, matrix factorization, and recommender systems are shown to be special cases of neural networks. These methods are studied together with recent feature engineering methods like word2vec.
Fundamentals of neural networks: A detailed discussion of training and regularization is provided in Chapters 3 and 4. Chapters 5 and 6 present radial-basis function (RBF) networks and restricted Boltzmann machines.
Advanced topics in neural networks: Chapters 7 and 8 discuss recurrent neural networks and convolutional neural networks. Several advanced topics like deep reinforcement learning, neural Turing machines, Kohonen self-organizing maps, and generative adversarial networks are introduced in Chapters 9 and 10.
The book is written for graduate students, researchers, and practitioners. Numerous exercises are available along with a solution manual to aid in classroom teaching. Where possible, an application-centric view is highlighted in order to provide an understanding of the practical uses of each class of techniques.
دانلود کتاب «شبکه های عصبی و یادگیری عمیق: کتاب درسی»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.