دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Mathematical Aspects of Deep Learning
دانلود کتاب جنبه های ریاضی یادگیری عمیق
مشخصات کتاب
Mathematical Aspects of Deep Learning
ویرایش: [New ed.]
نویسندگان: Philipp Grohs (editor). Gitta Kutyniok (editor)
سری:
ISBN (شابک) : 1316516784, 9781009025096
ناشر: Cambridge University Press
سال نشر: 2023
تعداد صفحات: 485
[492]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 22 Mb
قیمت کتاب (تومان) : 82,000
در صورت تبدیل فایل کتاب Mathematical Aspects of Deep Learning 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 جنبه های ریاضی یادگیری عمیق 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 جنبه های ریاضی یادگیری عمیق
در سالهای اخیر توسعه الگوریتمهای طبقهبندی و رگرسیون جدید مبتنی بر یادگیری عمیق منجر به انقلابی در زمینههای هوش مصنوعی، یادگیری ماشین و تجزیه و تحلیل دادهها شده است. توسعه یک پایه نظری برای تضمین موفقیت این الگوریتمها یکی از فعالترین و هیجانانگیزترین موضوعات تحقیقاتی در ریاضیات کاربردی است. این کتاب درک ریاضی فعلی روش های یادگیری عمیق را از دیدگاه متخصصان برجسته در این زمینه ارائه می دهد. این هم به عنوان نقطه شروعی برای محققان و دانشجویان فارغ التحصیل در علوم کامپیوتر، ریاضیات و آمار که تلاش می کنند وارد این حوزه شوند و هم به عنوان مرجعی ارزشمند برای تحقیقات آینده عمل می کند.
توضیحاتی درمورد کتاب به خارجی
In recent years the development of new classification and regression algorithms based on deep learning has led to a revolution in the fields of artificial intelligence, machine learning, and data analysis. The development of a theoretical foundation to guarantee the success of these algorithms constitutes one of the most active and exciting research topics in applied mathematics. This book presents the current mathematical understanding of deep learning methods from the point of view of the leading experts in the field. It serves both as a starting point for researchers and graduate students in computer science, mathematics, and statistics trying to get into the field and as an invaluable reference for future research.
