Neuronale Netze: Einfacher Leitfaden für künstliche neuronale Netze (Künstliche Intelligenz und Konzepte neuronaler Netze in einfachen Worten erklärt)

Bewertung: ⭐  (1,0 von 5)

Leserbewertungen

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.

Originaltitel:

Neural Networks: Easy Guide to Artificial Neural Networks (Artificial Intelligence and Neural Network Concepts Explained in Simple Term

Inhalt des Buches:

In diesem Buch geht es um den Einsatz von Deep Learning für Computer Vision unter Verwendung von Faltungsneuronalen Netzen. Diese sind der Stand der Technik, wenn es um Bildklassifizierung geht, und sie schlagen Vanilla Deep Networks bei Aufgaben wie mnist.

In diesem Kurs werden wir den Einsatz erhöhen und uns den Streetview-Hausnummern-Datensatz (svhn) ansehen - der größere Farbbilder in verschiedenen Winkeln verwendet -, so dass die Dinge sowohl rechnerisch als auch in Bezug auf die Schwierigkeit der Klassifizierungsaufgabe schwieriger werden.

Die Vorteile der Lektüre dieses Buches, die Sie nirgendwo anders finden werden:

⬤ Einführung in neuronale Netze.

⬤ Strukturen von neuronalen Netzen.

⬤ Aufbau eines neuronalen Netzes.

⬤ Der Aufbau künstlicher Neuronen.

⬤ Das Modell der biologischen Neuronen.

⬤ Wie sie funktionieren.

⬤ Die Möglichkeiten der Struktur neuronaler Netze.

⬤ Organisieren Sie Ihr Netzwerk.

Deep Learning ist ein neues Konzept, das in den 2000er Jahren entstanden ist. Während Deep Learning neu ist, ist dies bei künstlichen neuronalen Netzen, einem Konzept, auf dem Deep Learning basiert, nicht der Fall. Das erste künstliche Neuron wurde 1943 erwähnt, als Warren McCulloch und Walter Pitts ihr erstes mathematisches und computergestütztes Modell des biologischen Neurons veröffentlichten: das formale Neuron. Das formale Neuron ist direkt vom biologischen Neuron inspiriert.

Weitere Daten des Buches:

• ISBN: 9781775267270
• Autor: Laurie Thomas
• Verlag: Alex Howard
• Sprache: Englisch
• Einband: Taschenbuch