Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
An Introduction to Artificial Intelligence Based on Reproducing Kernel Hilbert Spaces
Dieses Lehrbuch bietet eine eingehende Untersuchung des statistischen Lernens mit reproduzierenden Kerneln, ein aktives Forschungsgebiet, das Licht auf Trends im Zusammenhang mit tiefen neuronalen Netzen werfen kann. Der Autor zeigt, wie das Konzept der reproduzierenden Kernel-Hilbert-Räume (RKHS) zusammen mit Werkzeugen aus der Regularisierungstheorie effektiv für den Entwurf und die Rechtfertigung von Kernel-Lernalgorithmen verwendet werden kann, die Probleme in verschiedenen Bereichen der künstlichen Intelligenz lösen können. Außerdem werden zwei biomedizinische Anwendungen der betrachteten Algorithmen detailliert beschrieben, die zeigen, wie nah die Theorie an der praktischen Umsetzung ist.
Zu den Besonderheiten des Buches gehört die Analyse einer großen Klasse von Algorithmen der Lerntheorie, die im Wesentlichen jedes lineare Regularisierungsschema umfassen, einschließlich der Tikhonov-Regularisierung als Spezialfall. Darüber hinaus bietet es eine Methodik zur Analyse nicht nur verschiedener überwachter Lernprobleme, wie Regression oder Ranking, sondern auch verschiedener Lernszenarien, wie unüberwachte Domänenanpassung oder Verstärkungslernen. Indem diese Themen unter Verwendung desselben theoretischen Rahmens analysiert werden, anstatt sie separat zu behandeln, wird ihre Darstellung gestrafft und leichter zugänglich gemacht.
An Introduction to Artificial Intelligence Based on Reproducing Kernel Hilbert Spaces ist eine ideale Ressource für Graduierten- und Aufbaustudiengänge in Computermathematik und Datenwissenschaft.
| ISBN: | 9783030983154 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 152 |
Derzeit verfügbar, auf Lager.
