Deep Learning Architectures / Springer Series in the Data Sciences (PDF)
Aktionspreis bis 30.06.2024*
*befristete Preissenkung des Verlages
13 DeutschlandCard Punkte
sammeln
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
This book describes how neural networks operate from the mathematical point of view. As a result, neural networks can be interpreted both as function universal approximators and information processors. The book bridges the gap between ideas and concepts of neural networks, which are used nowadays at an intuitive level, and the precise modern mathematical language, presenting the best practices of the former and enjoying the robustness and elegance of the latter.
This book can be used in a graduate course in deep learning, with the first few parts being accessible to senior undergraduates. In addition, the book will be of wide interest to machine learning researchers who are interested in a theoretical understanding of the subject.
- Autor: Ovidiu Calin
- 2020, 1st ed. 2020, 760 Seiten, Englisch
- Verlag: Springer-Verlag GmbH
- ISBN-10: 3030367215
- ISBN-13: 9783030367213
- Erscheinungsdatum: 13.02.2020
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
- Dateiformat: PDF
- Größe: 14 MB
- Ohne Kopierschutz
- Vorlesefunktion
| Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
|---|
Schreiben Sie einen Kommentar zu "Deep Learning Architectures / Springer Series in the Data Sciences".
Kommentar verfassen