مشخصات کتاب

Learning Deep Architectures for AI

ویرایش:  
نویسندگان: Yoshua Bengio  
سری: Foundations and Trends in Machine Learning 
ISBN (شابک) : 1601982941, 9781601982940 
ناشر: Now Publishers Inc 
سال نشر: 2009 
تعداد صفحات: 130 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 894 کیلوبایت 

کلمات کلیدی مربوط به کتاب یادگیری معماری های عمیق برای هوش مصنوعی: معناشناسی هوش هوش مصنوعی یادگیری ماشین علوم کامپیوتر فناوری شبکه های عصبی نظریه مرجع سالنامه ها سالنامه ها اطلس نقشه ها مشاغل فهرست راهنماها راهنمای مصرف کننده فرهنگ لغت نامه ها دایره المعارف ها موضوع انگلیسی به عنوان زبان دوم آداب مطالعه خارجی تبارشناسی نقل قول ها Prebliing بقای اضطراری Testshparm

در صورت تبدیل فایل کتاب Learning Deep Architectures for AI 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 یادگیری معماری های عمیق برای هوش مصنوعی 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 یادگیری معماری های عمیق برای هوش مصنوعی

آیا یادگیری ماشینی می تواند هوش مصنوعی را ارائه دهد؟ نتایج نظری، الهام‌گیری از مغز و شناخت، و همچنین آزمایش‌های یادگیری ماشینی نشان می‌دهد که به منظور یادگیری نوع عملکردهای پیچیده‌ای که می‌توانند انتزاعات سطح بالا را نشان دهند (به عنوان مثال در بینایی، زبان و سایر وظایف سطح هوش مصنوعی)، یکی به معماری های عمیق نیاز دارد. معماری‌های عمیق از سطوح چندگانه عملیات غیرخطی، مانند شبکه‌های عصبی با لایه‌های پنهان زیاد، مدل‌های گرافیکی با سطوح زیادی از متغیرهای پنهان، یا در فرمول‌های گزاره‌ای پیچیده با استفاده مجدد از بسیاری از فرمول‌های فرعی تشکیل شده‌اند. هر سطح از معماری ویژگی هایی را در سطح متفاوتی از انتزاع نشان می دهد که به عنوان ترکیبی از ویژگی های سطح پایین تعریف می شود. جستجوی فضای پارامتری معماری‌های عمیق کار دشواری است، اما الگوریتم‌های جدیدی کشف شده‌اند و از سال 2006، به دنبال این اکتشافات، زیر ناحیه جدیدی در جامعه یادگیری ماشین پدید آمده است. الگوریتم‌های یادگیری مانند الگوریتم‌های شبکه‌های باور عمیق و سایر الگوریتم‌های یادگیری بدون نظارت مرتبط اخیراً برای آموزش معماری‌های عمیق پیشنهاد شده‌اند که نتایج هیجان‌انگیزی به‌دست می‌آورند و در زمینه‌های خاصی از پیشرفته‌ترین فناوری‌ها استفاده می‌کنند. Learning Deep Architectures for AI در مورد انگیزه ها و اصول الگوریتم های یادگیری برای معماری های عمیق بحث می کند. با تجزیه و تحلیل و مقایسه نتایج اخیر با الگوریتم‌های یادگیری مختلف برای معماری‌های عمیق، توضیحاتی برای موفقیت آن‌ها پیشنهاد و مورد بحث قرار می‌گیرد، چالش‌ها برجسته می‌شود و راه‌هایی برای اکتشافات آینده در این زمینه پیشنهاد می‌شود.

توضیحاتی درمورد کتاب به خارجی

Can machine learning deliver AI? Theoretical results, inspiration from the brain and cognition, as well as machine learning experiments suggest that in order to learn the kind of complicated functions that can represent high-level abstractions (e.g. in vision, language, and other AI-level tasks), one would need deep architectures. Deep architectures are composed of multiple levels of non-linear operations, such as in neural nets with many hidden layers, graphical models with many levels of latent variables, or in complicated propositional formulae re-using many sub-formulae. Each level of the architecture represents features at a different level of abstraction, defined as a composition of lower-level features. Searching the parameter space of deep architectures is a difficult task, but new algorithms have been discovered and a new sub-area has emerged in the machine learning community since 2006, following these discoveries. Learning algorithms such as those for Deep Belief Networks and other related unsupervised learning algorithms have recently been proposed to train deep architectures, yielding exciting results and beating the state-of-the-art in certain areas. Learning Deep Architectures for AI discusses the motivations for and principles of learning algorithms for deep architectures. By analyzing and comparing recent results with different learning algorithms for deep architectures, explanations for their success are proposed and discussed, highlighting challenges and suggesting avenues for future explorations in this area.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Rock Mechanics and Engineering Volume 1 : Principles

دانلود کتاب A History of Visual Text Arts

دانلود کتاب Believe Me: A Memoir of Love, Death, and Jazz Chickens

دانلود کتاب Fundamentos de TAC Body

دانلود کتاب The Longing for Total Revolution: Philosophic Sources of Social Discontent from Rousseau to Marx and Nietzsche