На нашем сайте вы найдете огромное количество бесплатного софта и программ, новинки игр для компьютера, можно бесплатно скачать и читать онлайн журналы, а также скачать лучшие фото-обои и картинки для рабочего стола, много музыки mp3, бесплатно новинки и музыкальные хиты, мобильный софт игры заставки мелодии фильмы для мобилы, скачать фильмы сериалы новые музыкальные клипы разные видеоуроки самоучители видеокурсы. Скачать электронные книги, лучшие книги онлайн, художественная литература, большой архив книг. Юмор, фото, прикольные рассказы и подборки смешных видео. Рецепты блюд, кулинарные рецепты, видео рецепты.
Перед вами - первая книга о глубоком обучении, написанная на русском языке. Глубокие модели оказались ключом, который подходит ко всем замкам сразу: новые архитектуры и алгоритмы обучения, а также увеличившиеся вычислительные мощности и появившиеся огромные наборы данных, привели к революционным прорывам в компьютерном зрении, распознавании речи, обработке естественного языка и многих других типично "человеческих" задачах машинного обучения. Эти захватывающие идеи, вся история и основные компоненты революции глубокого обучения, а также самые современные достижения этой области, доступно и интересно изложены в книге. Максимум объяснений, минимум кода, серьезный материал о машинном обучении и увлекательное изложение - в этой уникальной работе замечательных российских ученых и интеллектуалов.
Ч а с ть I. Как обучать н ей р он ны е сети Глава 1. От биологии к информатике, или We need to go deeper... 6 1.1. Революция обучения глубоких с е т ей ... 7 1.2. Искусственный интеллект и машинное обучение...11 1.3. Немного о словах: каким бывает машинное обучение... 17 1.4. Особенности человеческого мозга... 21 1.5. Пределы нейробиологии: что мы на самом деле знаем? . . ...26 1.6. Блеск и нищета современных нейронных сетей...30 Глава 2. Предварительные сведения, или Курс молодого б о й ц а ... 38 2.1. Теорема Байеса...39 2.2. Функции ошибки и регуляризация...53 2.3. Расстояние Кульбака — Лейблера и перекрестная энтропия...63 2.4. Градиентный спуск: основы...69 2.5. Граф вычислений и дифференцирование на нем... .. 75 2.6. И о практике: введение в TensorFlow и Keras... 81 Глава 3. Перцептрон, или Эмбрион мудрого компьютера...93 3.1. Когда появились искусственные нейронные с е т и ... 94 3.2. Как работает перцептрон... 97 3.3. Современные перцептроны: функции активации... 105 3.4. Как же обучаются настоящие нейроны...ИЗ 3.5. Глубокие сети: в чем прелесть и в чем сложность?..117 3.6. Пример: распознавание рукописных цифр на TensorFlow... 123 Ч а с ть II. О сн о вны е ар хи тек ту ры Глава 4. Быстрее, глубже, сильнее, или Об оврагах, долинах и трамплинах .137 4.1. Регуляризация в нейронных с е тя х ...138 4.2. Как инициализировать в е с а ... 142 4.3. Нормализация по мини-батчам... 153 4.4. Метод моментов: Ньютон, Нестеров и Гессе... 164 4.5. Адаптивные варианты градиентного сп у ска ...169 Глава 5. Сверточные нейронные сети и автокодировщики, или Не верь глазам своим... 176 5.1. Зрительная кора головного мозга... 177 5.2. Свертки и сверточные сети... 182 5.3. Свертки для распознавания цифр...199 5.4. Современные сверточные архитектуры...206 5.5. Автокодировщики...214 5.6. Пример: кодируем рукописные цифры...219 Глава 6. Рекуррентные нейронные сети, или Как правильно кусать себя за х в о с т ... 231 6.1. Мотивация: обработка последовательностей... 232 6.2. Распространение ошибки и архитектуры RN N ... 236 6.3.LST M ...242 6.4. GRU и другие варианты... 249 6.5. SCRN и другие: долгая память в обычных RNN... 253 6.6. Пример: порождаем текст символ за символом... 259 Часть III. Новые архитектуры и применения Глава 7. Как научить компьютер читать, или Математик — Мужчина + Женщина = ... 278 7.1. Интеллектуальная обработка текстов... 279 7.2. Распределенные представления слов: word2vec... 285 7.3. Русскоязычный word2vec на практике...297 7.4. GloVe: раскладываем матрицу правильно...305 7.5. Вверх и вниз от представлений слов... 313 7.6. Рекурсивные нейронные сети и синтаксический ра зб о р ...322 Глава 8. Современные архитектуры, или Как в споре рождается истина . . .330 8.1. Модели с вниманием и encoder-decoder... 331 8.2. Порождающие модели и глубокое обучение... 341 8.3. Состязательные с е т и ... 348 8.4. Практический пример и трюк с логистическим сигмоидом...353 8.5. Архитектуры, основанные на GAN...359 Глава 9. Глубокое обучение с подкреплением, или Удивительное происшествие с чемпионом... 372 9.1. Обучение с подкреплением...373 9.2. Марковские процессы принятия решений...379 9.3. От TDGammon к DQN... 391 9.4. Бамбуковая хлопушка... 399 9.5. Градиент по стратегиям и другие применения...405 Глава 10. Нейробайесовские методы, или Прошлое и будущее машинного обучения...409 10.1. Теорема Байеса и нейронные сети...410 10.2. Алгоритм ЕМ...412 10.3. Вариационные приближения...419 10.4. Вариационный автокодировщик...426 10.5. Байесовские нейронные сети и дропаут... 438 10.6. Заключение: что не вошло в книгу и что будет дальше... 446 Благодарности... 450 Литература...451
Название: Глубокое обучение Автор: Николенко С. И., Кадурин А. А., Архангельская Е. О. Год: 2018 Жанр: программирование Серия: Библиотека программиста Издательство: Питер Язык: Русский
Формат: pdf Качество: Распознанный текст с ошибками (OCR) Страниц: 479 Размер: 106 MB
Скачать Николенко С. И., Кадурин А. А., Архангельская Е. О. - Глубокое обучение (2018)
Уважаемый посетитель, добовлять коментарии могут только зарегистрированные пользователи. Мы рекомендуем Вам зарегистрироваться либо зайти на сайт под своим именем.
Добавить комментарий