دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: برنامه نویسی: زبان های برنامه نویسی ویرایش: نویسندگان: Timothy Masters سری: ISBN (شابک) : 9781484235911 ناشر: Apress سال نشر: 2018 تعداد صفحات: 222 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب شبکه های اعتقاد عمیق در C++ و CUDA C جلد 1 ماشین های محدود بولتزمن و شبکه های پیشخور نظارت شده: زبان C++، برنامه نویسی، زبان های برنامه نویسی، روش های محاسباتی
در صورت تبدیل فایل کتاب Deep Belief Nets in C++ and CUDA C volume 1 Restricted Boltzmann Machines and Supervised Feedforward Networks به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شبکه های اعتقاد عمیق در C++ و CUDA C جلد 1 ماشین های محدود بولتزمن و شبکه های پیشخور نظارت شده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
بلوک های سازنده اساسی رایج ترین اشکال شبکه های باور عمیق را کشف کنید. در هر مرحله، این کتاب انگیزههای بصری، خلاصهای از مهمترین معادلات مرتبط با موضوع را ارائه میکند، و با کدهای بسیار نظراتی برای محاسبات رشتهای در CPUهای مدرن و همچنین پردازش موازی عظیم در رایانههایی با کارتهای نمایش ویدیویی با قابلیت CUDA، به پایان میرسد. اولین مورد از سه مجموعه در C++ و CUDA C شبکههای یادگیری عمیق و باور، Deep Belief Nets در C++ و CUDA C: جلد 1 به شما نشان میدهد که چگونه ساختار این مدلهای زیبا بسیار نزدیکتر از شبکههای عصبی سنتی به مغز انسان است. ; آنها یک فرآیند فکری دارند که قادر به یادگیری مفاهیم انتزاعی ساخته شده از مفاهیم اولیه ساده تر است. به این ترتیب، خواهید دید که یک شبکه باور عمیق معمولی میتواند با بهینهسازی میلیونها پارامتر، تشخیص الگوهای پیچیده را بیاموزد، اما این مدل همچنان میتواند در برابر برازش بیش از حد مقاوم باشد. تمامی روال ها و الگوریتم های ارائه شده در کتاب در دانلود کد موجود است که شامل تعدادی کتابخانه از روال های مرتبط نیز می باشد. آنچه شما یاد خواهید گرفت از یادگیری عمیق با استفاده از C++ و CUDA C استفاده کنید با شبکه های بازخورد نظارت شده کار کنید پیاده سازی ماشین های محدود بولتزمن از نمونه برداری های مولد استفاده کنید کشف کنید که چرا اینها مهم هستند این کتاب برای چه کسی است کسانی که حداقل دانش اولیه از شبکه های عصبی و تجربه برنامه نویسی قبلی دارند، اگرچه مقداری C++ و CUDA C توصیه می شود.
Discover the essential building blocks of the most common forms of deep belief networks. At each step this book provides intuitive motivation, a summary of the most important equations relevant to the topic, and concludes with highly commented code for threaded computation on modern CPUs as well as massive parallel processing on computers with CUDA-capable video display cards. The first of three in a series on C++ and CUDA C deep learning and belief nets, Deep Belief Nets in C++ and CUDA C: Volume 1 shows you how the structure of these elegant models is much closer to that of human brains than traditional neural networks; they have a thought process that is capable of learning abstract concepts built from simpler primitives. As such, you’ll see that a typical deep belief net can learn to recognize complex patterns by optimizing millions of parameters, yet this model can still be resistant to overfitting. All the routines and algorithms presented in the book are available in the code download, which also contains some libraries of related routines. What You Will Learn Employ deep learning using C++ and CUDA C Work with supervised feedforward networks Implement restricted Boltzmann machines Use generative samplings Discover why these are important Who This Book Is For Those who have at least a basic knowledge of neural networks and some prior programming experience, although some C++ and CUDA C is recommended.