Verwandte Artikel zu Deep Neural Networks in a Mathematical Framework (SpringerBr...
Inhaltsangabe
This SpringerBrief describes how to build a rigorous end-to-end mathematical framework for deep neural networks. The authors provide tools to represent and describe neural networks, casting previous results in the field in a more natural light. 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. Furthermore, the authors developed framework is both more concise and mathematically intuitive than previous representations of neural networks.
This SpringerBrief is one step towards unlocking the black box of Deep Learning. The authors believe that this framework will help catalyze further discoveries regarding the mathematical properties of neural networks.This SpringerBrief is accessible not only to researchers, professionals and students working and studying in the field of deep learning, but alsoto those outside of the neutral network community.
Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.
Über die Autorin bzw. den Autor
Charlotte y Peter Fiell son dos autoridades en historia, teoría y crítica del diseño y han escrito más de sesenta libros sobre la materia, muchos de los cuales se han convertido en éxitos de ventas. También han impartido conferencias y cursos como profesores invitados, han comisariado exposiciones y asesorado a fabricantes, museos, salas de subastas y grandes coleccionistas privados de todo el mundo. Los Fiell han escrito numerosos libros para TASCHEN, entre los que se incluyen 1000 Chairs, Diseño del siglo XX, El diseño industrial de la A a la Z, Scandinavian Design y Diseño del siglo XXI.
„Über diesen Titel“ kann sich auf eine andere Ausgabe dieses Titels beziehen.
Neu kaufen
Diesen Artikel anzeigen
EUR 76,68
Gratis für den Versand innerhalb von/der USA
Versandziele, Kosten & Dauer
Suchergebnisse für Deep Neural Networks in a Mathematical Framework (SpringerBr...
Beispielbild für diese ISBN
Deep Neural Networks in a Mathematical Framework (Paperback)
Verlag:
Springer International Publishing AG, Cham, 2018
ISBN 10: 3319753037
ISBN 13: 9783319753034
Neu
Paperback
Erstausgabe
Anbieter: Grand Eagle Retail, Bensenville, IL, USA
Verkäuferbewertung 5 von 5 Sternen
Paperback. Zustand: new. Paperback. This SpringerBrief describes how to build a rigorous end-to-end mathematical framework for deep neural networks. The authors provide tools to represent and describe neural networks, casting previous results in the field in a more natural light. 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. Furthermore, the authors developed framework is both more concise and mathematically intuitive than previous representations of neural networks.This SpringerBrief is one step towards unlocking the black box of Deep Learning. The authors believe that this framework will help catalyze further discoveries regarding the mathematical properties of neural networks.This SpringerBrief is accessible not only to researchers, professionals and students working and studying in the field of deep learning, but alsoto those outside of the neutral network community. 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. Shipping may be from multiple locations in the US or from the UK, depending on stock availability. Bestandsnummer des Verkäufers 9783319753034
Anzahl: 1 verfügbar
Beispielbild für diese ISBN
Deep Neural Networks in a Mathematical Framework (SpringerBriefs in Computer Science)
Anbieter: Lucky's Textbooks, Dallas, TX, USA
Verkäuferbewertung 5 von 5 Sternen
Zustand: New. Bestandsnummer des Verkäufers ABLIING23Mar3113020104904
Anzahl: Mehr als 20 verfügbar
Beispielbild für diese ISBN
Deep Neural Networks in a Mathematical Framework (SpringerBriefs in Computer Science)
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes Königreich
Verkäuferbewertung 5 von 5 Sternen
Zustand: New. In. Bestandsnummer des Verkäufers ria9783319753034_new
Anzahl: Mehr als 20 verfügbar
Beispielbild für diese ISBN
Deep Neural Networks in a Mathematical Framework (SpringerBriefs in Computer Science)
Anbieter: California Books, Miami, FL, USA
Verkäuferbewertung 5 von 5 Sternen
Zustand: New. Bestandsnummer des Verkäufers I-9783319753034
Anzahl: Mehr als 20 verfügbar
Beispielbild für diese ISBN
Deep Neural Networks in a Mathematical Framework
Anbieter: Chiron Media, Wallingford, Vereinigtes Königreich
Verkäuferbewertung 4 von 5 Sternen
PF. Zustand: New. Bestandsnummer des Verkäufers 6666-IUK-9783319753034
Anzahl: 10 verfügbar
Foto des Verkäufers
Deep Neural Networks in a Mathematical Framework
ISBN 10: 3319753037
ISBN 13: 9783319753034
Neu
Taschenbuch
Anbieter: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Deutschland
Verkäuferbewertung 5 von 5 Sternen
Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -This SpringerBrief describes how to build a rigorous end-to-end mathematical framework for deep neural networks. The authors provide tools to represent and describe neural networks, casting previous results in the field in a more natural light. 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. Furthermore, the authors developed framework is both more concise and mathematically intuitive than previous representations of neural networks.This SpringerBrief is one step towards unlocking the black box of Deep Learning. The authors believe that this framework will help catalyze further discoveries regarding the mathematical properties of neural networks.This SpringerBrief is accessible not only to researchers, professionals and students working and studying in the field of deep learning, but alsoto those outside of the neutral network community. 84 pp. Englisch. Bestandsnummer des Verkäufers 9783319753034
Anzahl: 2 verfügbar
Beispielbild für diese ISBN
Deep Neural Networks in a Mathematical Framework (SpringerBriefs in Computer Science)
Anbieter: Books Puddle, New York, NY, USA
Verkäuferbewertung 4 von 5 Sternen
Zustand: New. pp. 100. Bestandsnummer des Verkäufers 26379167783
Anzahl: 4 verfügbar
Beispielbild für diese ISBN
Deep Neural Networks in a Mathematical Framework (SpringerBriefs in Computer Science)
Print-on-DemandAnbieter: Majestic Books, Hounslow, Vereinigtes Königreich
Verkäuferbewertung 4 von 5 Sternen
Zustand: New. Print on Demand pp. 100. Bestandsnummer des Verkäufers 384703480
Anzahl: 4 verfügbar
Foto des Verkäufers
Deep Neural Networks in a Mathematical Framework
Verlag:
Springer International Publishing, 2018
ISBN 10: 3319753037
ISBN 13: 9783319753034
Neu
Softcover
Anbieter: moluna, Greven, Deutschland
Verkäuferbewertung 4 von 5 Sternen
Zustand: New. Bestandsnummer des Verkäufers 203140501
Anzahl: Mehr als 20 verfügbar
Beispielbild für diese ISBN
Deep Neural Networks in a Mathematical Framework (SpringerBriefs in Computer Science)
Print-on-DemandAnbieter: Biblios, Frankfurt am main, HESSE, Deutschland
Verkäuferbewertung 5 von 5 Sternen
Zustand: New. PRINT ON DEMAND pp. 100. Bestandsnummer des Verkäufers 18379167789
Anzahl: 4 verfügbar