Sieci neuronowe: Łatwy przewodnik po sztucznych sieciach neuronowych (Sztuczna inteligencja i koncepcje sieci neuronowych wyjaśnione w prosty sposób)

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Neural Networks: Easy Guide to Artificial Neural Networks (Artificial Intelligence and Neural Network Concepts Explained in Simple Term

Zawartość książki:

Ta książka jest o tym, jak używać głębokiego uczenia w wizji komputerowej przy użyciu konwolucyjnych sieci neuronowych. Są one najnowocześniejsze, jeśli chodzi o klasyfikację obrazów i pokonują waniliowe sieci głębokie w zadaniach takich jak mnist.

W tym kursie zamierzamy podnieść stawkę i przyjrzeć się zbiorowi danych numerów domów streetview (svhn) - który wykorzystuje większe kolorowe obrazy pod różnymi kątami - więc sprawy staną się trudniejsze zarówno pod względem obliczeniowym, jak i pod względem trudności zadania klasyfikacji.

Korzyści z przeczytania tej książki, których nie znajdziesz nigdzie indziej:

⬤ Wprowadzenie do sieci neuronowych.

⬤ Struktury sieci neuronowych.

⬤ Budowa sieci neuronowej.

⬤ Budowa sztucznych neuronów.

⬤ Biologiczny model neuronów.

⬤ Jak działają.

⬤ Możliwości struktury sieci neuronowej.

⬤ Organizacja sieci.

Uczenie głębokie to nowa koncepcja, która pojawiła się w 2000 roku. Podczas gdy głębokie uczenie jest czymś nowym, nie jest tak w przypadku sztucznych sieci neuronowych, koncepcji, na której opiera się głębokie uczenie. O pierwszym sztucznym neuronie słyszymy w 1943 roku, kiedy to warren mcculloch i walterpitts opublikowali swój pierwszy matematyczny i komputerowy model biologicznego neuronu: formalny neuron. Neuron formalny jest bezpośrednio inspirowany neuronem biologicznym.