Fargo
Администратор
- Регистрация
- 2 Дек 2015
- Сообщения
- 233.636
- Реакции
- 755.725
Складчина: Сверточные нейросети [Джейд Картер]
Сверточные нейронные сети (CNN) представляют собой один из самых значительных прорывов в области искусственного интеллекта и машинного обучения. Они стали фундаментом множества современных приложений, от распознавания изображений и видео до автономных систем и обработки естественного языка.
Эта книга предлагает руководство по изучению и применению CNN, охватывая как базовые, так и продвинутые концепции. Книга подробно рассматривает ключевые элементы CNN, такие как свертка, функции активации, пулинг и нормализация. Вы узнаете, как эти элементы работают вместе, создавая мощные архитектуры, способные извлекать иерархические представления из данных. Исторический обзор эволюции CNN, от первых моделей до современных архитектур, таких как AlexNet, VGG, GoogLeNet, ResNet и EfficientNet, помогает понять, как и почему эти сети стали столь эффективными.
Спойлер: содержание
Введение в глубокое обучение
Глава 1. Основные концепции и архитектура CNN
Глава 2. Свертка и пулинг
Глава 3. Функции активации
Глава 4. Классические архитектуры CNN
Глава 5. Современные архитектуры
Глава 6. Регуляризация и нормализация
Глава 7. Классификация изображений
Глава 8. Обнаружение объектов
Глава 9. Сегментация изображений
Цена 690 руб.
Формат : epub, fb2, fb3, ios.epub, mobi, pdf
Сверточные нейронные сети (CNN) представляют собой один из самых значительных прорывов в области искусственного интеллекта и машинного обучения. Они стали фундаментом множества современных приложений, от распознавания изображений и видео до автономных систем и обработки естественного языка.
Эта книга предлагает руководство по изучению и применению CNN, охватывая как базовые, так и продвинутые концепции. Книга подробно рассматривает ключевые элементы CNN, такие как свертка, функции активации, пулинг и нормализация. Вы узнаете, как эти элементы работают вместе, создавая мощные архитектуры, способные извлекать иерархические представления из данных. Исторический обзор эволюции CNN, от первых моделей до современных архитектур, таких как AlexNet, VGG, GoogLeNet, ResNet и EfficientNet, помогает понять, как и почему эти сети стали столь эффективными.
Спойлер: содержание
Введение в глубокое обучение
Глава 1. Основные концепции и архитектура CNN
Глава 2. Свертка и пулинг
Глава 3. Функции активации
Глава 4. Классические архитектуры CNN
Глава 5. Современные архитектуры
Глава 6. Регуляризация и нормализация
Глава 7. Классификация изображений
Глава 8. Обнаружение объектов
Глава 9. Сегментация изображений
Цена 690 руб.
Формат : epub, fb2, fb3, ios.epub, mobi, pdf
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- Подписка на телеграм-канал Аномалия (октябрь 2026) [Михаил Гребенюк]
- Премиум бенто: Муссовая эволюция [Тариф На заказ] [Krislen Cake] [Кристина Лова]
- Обеспечение терапевтических стратегий для интерпретации кондилограммы [Грегор Славичек]
- Денежные планки [Оксана Худобакшиева]
- Стань сильнее своих схем [Евгения Наумова]
- Непрямые реставрации и виниры: как избежать ошибок на клинич и лабораторных этапах [Урок 1] [Даниэль Рондони]