Utvidet returrett til 31. januar 2025

Deep Neural Networks in a Mathematical Framework

Om Deep Neural Networks in a Mathematical Framework

This SpringerBrief describes how to build a rigorous end-to-end mathematical framework for deep neural networks. In particular, the authors derive gradient descent algorithms in a unified way for several neural network structures, including multilayer perceptrons, convolutional neural networks, deep autoencoders and recurrent neural networks.

Vis mer
  • Språk:
  • Engelsk
  • ISBN:
  • 9783319753034
  • Bindende:
  • Paperback
  • Sider:
  • 84
  • Utgitt:
  • 3. april 2018
  • Utgave:
  • 12018
  • Dimensjoner:
  • 234x156x14 mm.
  • Vekt:
  • 170 g.
  • BLACK NOVEMBER
  Gratis frakt
Leveringstid: Ukjent

Beskrivelse av Deep Neural Networks in a Mathematical Framework

This SpringerBrief describes how to build a rigorous end-to-end mathematical framework for deep neural networks. In particular, the authors derive gradient descent algorithms in a unified way for several neural network structures, including multilayer perceptrons, convolutional neural networks, deep autoencoders and recurrent neural networks.

Brukervurderinger av Deep Neural Networks in a Mathematical Framework



Finn lignende bøker
Boken Deep Neural Networks in a Mathematical Framework finnes i følgende kategorier:

Gjør som tusenvis av andre bokelskere

Abonner på vårt nyhetsbrev og få rabatter og inspirasjon til din neste leseopplevelse.