دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Deep Belief Nets in C++ and CUDA C: Volume 1: Restricted Boltzmann Machines and Supervised Feedforward Networks
دانلود کتاب شبکه های باور عمیق در C ++ و CUDA C: جلد 1: ماشین های محدود Boltzmann و شبکه های پیشرو نظارت شده
مشخصات کتاب
Deep Belief Nets in C++ and CUDA C: Volume 1: Restricted Boltzmann Machines and Supervised Feedforward Networks
ویرایش: 1st ed.
نویسندگان: Timothy Masters
سری:
ISBN (شابک) : 1484235908, 9781484235904
ناشر: Apress
سال نشر: 2018
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 36,000
کلمات کلیدی مربوط به کتاب شبکه های باور عمیق در C ++ و CUDA C: جلد 1: ماشین های محدود Boltzmann و شبکه های پیشرو نظارت شده: کامپیوتر و فناوری، صنایع، کسب و کار و پول، شبکه های عصبی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری، پایگاه های داده و کلان داده، دسترسی، داده کاوی، مدل سازی و طراحی داده، پردازش داده، انبار داده، MySQL، Oracle، سایر پایگاه‌های داده، پایگاه‌های داده رابطه‌ای، SQL، رایانه‌ها و فناوری، کامپایلرها، زبان‌های برنامه‌نویسی، رایانه‌ها و فناوری، علوم رایانه، الگوریتم‌ها، هوش مصنوعی، ذخیره‌سازی و طراحی پایگاه داده، گرافیک و تجسم، شبکه‌سازی، نرم‌افزار شی‌گرا Desi
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 باور عمیق در C ++ و CUDA C: جلد 1: ماشین های محدود Boltzmann و شبکه های پیشرو 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.
توضیحاتی در مورد کتاب شبکه های باور عمیق در C ++ و CUDA C: جلد 1: ماشین های محدود Boltzmann و شبکه های پیشرو نظارت شده
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 نظردهی شده 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 شبکه های یادگیری عمیق و باورهای C
و CUDA C، شبکه های اعتقاد عمیق در C و CUDA C: جلد 1<
/i> به شما نشان می‌دهد که چگونه ساختار این مدل‌های زیبا
نسبت به شبکه‌های عصبی سنتی بسیار به مغز انسان نزدیک‌تر 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 بیش از حد برازش مقاوم باشد.
همه 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 یاد خواهید گرفت
-
به کارگیری یادگیری عمیق با استفاده از C و CUDA
C
-
کار با شبکه‌های پیش‌خور نظارت‌شده
-
اجرای ماشین‌های محدود Boltzmann
-
استفاده از مولد نمونه برداری
-
پیدا کنید چرا اینها مهم هستند
این کتاب چه کسی است برای
کسانی است که حداقل دانش اولیه از شبکه های عصبی و تجربه
برنامه نویسی قبلی دارند، اگرچه مقداری C و CUDA C توصیه می
شود. /div>
توضیحاتی درمورد کتاب به خارجی
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.
