Bewertung:
Das Buch bietet eine gründliche mathematische Behandlung des Deep Learning, was es zu einem wertvollen Nachschlagewerk für Experten macht. Es wird jedoch kritisiert, dass es aufgrund seines knappen Stils und der umfangreichen Verwendung von Gleichungen vor allem für Neulinge schwer zu lesen ist.
Vorteile:⬤ Ausgezeichnete theoretische und mathematische Behandlung von Deep Learning
⬤ gründliche Behandlung des Themas
⬤ umfangreiche Verweise auf akademische Literatur
⬤ bietet Einblick in offene Probleme auf dem Gebiet.
⬤ Schwierig zu lesen für Nicht-Experten
⬤ es fehlt an detaillierten Diskussionen
⬤ es ist knapp gehalten und verlässt sich stark auf Gleichungen, was es für Neulinge undurchdringlich macht.
(basierend auf 4 Leserbewertungen)
Learning Deep Architectures for AI
Kann maschinelles Lernen KI hervorbringen? Theoretische Ergebnisse, Inspirationen aus dem Gehirn und der Kognition sowie Experimente zum maschinellen Lernen legen nahe, dass zum Erlernen komplizierter Funktionen, die Abstraktionen auf hoher Ebene darstellen können (z. B.
in den Bereichen Sehen, Sprache und anderen KI-Aufgaben), tiefe Architekturen erforderlich sind. Tiefe Architekturen bestehen aus mehreren Ebenen nichtlinearer Operationen, wie z. B.
in neuronalen Netzen mit vielen verborgenen Schichten, grafischen Modellen mit vielen Ebenen latenter Variablen oder in komplizierten Satzformeln, die viele Unterformeln verwenden. Jede Ebene der Architektur repräsentiert Merkmale auf einer anderen Abstraktionsebene, die als Komposition von Merkmalen einer niedrigeren Ebene definiert ist.
Die Suche nach dem Parameterraum tiefer Architekturen ist eine schwierige Aufgabe, aber es wurden neue Algorithmen entdeckt, und seit 2006 ist in der Gemeinschaft des maschinellen Lernens aufgrund dieser Entdeckungen ein neuer Teilbereich entstanden. Lernalgorithmen wie die für Deep Belief Networks und andere verwandte unüberwachte Lernalgorithmen wurden kürzlich vorgeschlagen, um tiefe Architekturen zu trainieren.
Learning Deep Architectures for AI diskutiert die Beweggründe und Prinzipien von Lernalgorithmen für Deep Architectures. Durch die Analyse und den Vergleich aktueller Ergebnisse mit verschiedenen Lernalgorithmen für tiefe Architekturen werden Erklärungen für deren Erfolg vorgeschlagen und diskutiert, wobei Herausforderungen hervorgehoben und Wege für künftige Untersuchungen in diesem Bereich aufgezeigt werden.
| ISBN: | 9781601982940 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
