Description This book covers both classical and modern models in deep learning.
The primary focus is on the theory and algorithms of deep learning.
The theory and algorithms of neural networks are particularly important for understanding important concepts, so that one can understand the important design concepts of neural architectures in different applications.
Why do neural networks work? When do they work better than off-the-shelf machine-learning models? When is depth useful? Why is training neural networks so hard? What are the pitfalls? 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 network.
| Categories | The basics of neural networksmany traditional machine learning models can be understood as special cases of neural networks |
|---|---|
| Fundamentals of neural networks | A detailed discussion of training and regularization is provided in |
| Advanced topics in neural networks | Chapters 7 and 8 discuss recurrent neural networks and convolutional neural networks |
Springer este o companie de editură proeminentă la nivel mondial, specializată în literatura academică și științifică.
Fondată în 1842 la Berlin, Germania, Springer a crescut pentru a deveni unul dintre cei mai mari și mai respectați editori din lume, cu birouri și operațiuni în numeroase țări.
Springer publică o gamă largă de reviste academice, cărți, lucrări de referință și baze de date online care acoperă o gamă largă de discipline, inclusiv știință, tehnologie, medicină, inginerie, matematică, umaniste, științe sociale și afaceri.
Catalogul extins al companiei include: 1.
Reviste: Springer publică mii de reviste academice evaluate de colegi care acoperă un spectru larg de discipline.
Aceste reviste prezintă articole de cercetare originale, recenzii și contribuții academice din partea experților în domeniile lor respective.
Cărți: Springer publică o selecție diversă de cărți, inclusiv manuale, monografii, lucrări de referință și titluri profesionale.
Aceste cărți acoperă o gamă largă de subiecte și se adresează cercetătorilor, studenților, profesioniștilor și practicienilor.
Lucrări de referință: Springer produce lucrări de referință cu autoritate, cum ar fi enciclopedii, manuale, dicționare și atlase, care oferă o acoperire cuprinzătoare a unor subiecte și discipline specifice.
Baze de date online: Springer oferă baze de date și platforme online care oferă acces la vasta sa colecție de conținut academic.
Aceste platforme permit utilizatorilor să caute, să răsfoiască și să acceseze literatură academică, reviste, cărți și materiale de referință.
Springer este cunoscut pentru angajamentul său față de calitate, integritate și inovație în publicarea academică.
Compania lucrează îndeaproape cu autori, editori, recenzori și instituții academice pentru a asigura cele mai înalte standarde de excelență și rigoare academică în publicațiile sale.
Prin urmare, Springer este considerată pe scară largă ca o sursă de încredere de informații academice și o resursă valoroasă pentru cercetători, studenți și profesioniști din întreaga lume.
Springer Neural networks and deep learning: a textbook, paperback/charu c. aggarwal
