Tree-Based Convolutional Neural Networks: Principles and Applications

این کتاب یک معماری عصبی جدید، شبکه‌های عصبی کانولوشنال مبتنی بر درخت (TBCNN) را برای پردازش داده‌های دارای ساختار درختی پیشنهاد می‌کند. TBCNN مربوط به شبکه‌های عصبی کانولوشنال (CNN) و شبکه‌های عصبی بازگشتی (RNN) است، اما مزایای هر دو را با هم ترکیب می‌کنند: به لطف مسیر انتشار کوتاه خود، در یادگیری به اندازه CNN کارآمد هستند. با این حال آنها نیز به اندازه RNN ها به ساختار حساس هستند.

در این کتاب، خوانندگان همچنین مرور ادبیات جامعی از کارهای مرتبط، توضیحات مفصل TBCNN و انواع آن‌ها و آزمایش‌های اعمال شده برای تحلیل برنامه و وظایف پردازش زبان طبیعی را خواهند یافت. همچنین خواندنی لذت بخش برای همه کسانی است که به یادگیری عمیق علاقه دارند.

This book proposes a novel neural architecture, tree-based convolutional neural networks (TBCNNs),for processing tree-structured data. TBCNNsare related to existing convolutional neural networks (CNNs) and recursive neural networks (RNNs), but they combine the merits of both: thanks to their short propagation path, they are as efficient in learning as CNNs; yet they are also as structure-sensitive as RNNs.

In this book, readers will also find a comprehensive literature review of related work, detailed descriptions of TBCNNs and their variants, and experiments applied to program analysis and natural language processing tasks. It is also an enjoyable read for all those with a general interest in deep learning.