Giới thiệu toán học về học sâu: phương pháp, triển khai và lý thuyết
- Cuốn sách này nhằm mục đích giới thiệu các thuật toán học sâu.
- Sách xem xét chi tiết về mặt toán học các thành phần cốt lõi của thuật toán học sâu, bao gồm nhiều cấu trúc mạng nơ-ron nhân tạo (ANN) và các thuật toán tối ưu hóa.
- Sách đề cập đến nhiều khía cạnh lý thuyết của thuật toán học sâu như khả năng xấp xỉ của ANN, lý thuyết tối ưu hóa và sai số khái quát hóa.
Xem xét các phương pháp xấp xỉ PDE bằng học sâu
- Phần cuối của sách xem xét các phương pháp học sâu để xấp xỉ PDE.
- Bao gồm mạng nơ-ron tích hợp thông tin vật lý (PINNs) và phương pháp Deep Galerkin.
Độc giả mục tiêu của cuốn sách
- Sách được viết cho sinh viên và nhà khoa học chưa có bất kỳ kiến thức nền nào về học sâu.
- Sách giúp các học viên thực hành củng cố hiểu biết toán học về những đối tượng và phương pháp được cân nhắc trong học sâu.
Thông tin bổ sung
- Sách dài 601 trang, bao gồm 36 hình minh họa và 45 đoạn mã nguồn.
- Các lĩnh vực chủ đề gồm machine learning, trí tuệ nhân tạo, phân tích số, xác suất học, và mã phân loại MSC là 68T07.
Ý kiến của GN⁺
- Cuốn sách này sẽ giúp những người lần đầu tiếp cận học sâu hiểu một cách có hệ thống các thuật toán và lý thuyết phức tạp bằng cách cung cấp nền tảng toán học.
- Phần giải thích chi tiết về nhiều cấu trúc ANN và phương pháp tối ưu hóa mang lại kiến thức chuyên sâu mà người làm thực tế cần khi áp dụng vào dự án của mình.
- Nội dung về các phương pháp xấp xỉ PDE đặc biệt nhấn mạnh khía cạnh thực tiễn của học sâu bằng cách giới thiệu những cách tiếp cận hữu ích để giải quyết các vấn đề thực tế trong lĩnh vực kỹ thuật hoặc vật lý.
Chưa có bình luận nào.