Deep Learning: Fundamentals, Theory and Applications

The purpose of this edited volume is to provide a comprehensive overview on the fundamentals of deep learning, introduce the widely-used learning architectures and algorithms, present its latest theoretical progress, discuss the most popular deep learning platforms and data sets, and describe how ma...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Συγγραφή απο Οργανισμό/Αρχή: SpringerLink (Online service)
Άλλοι συγγραφείς: Huang, Kaizhu (Επιμελητής έκδοσης, http://id.loc.gov/vocabulary/relators/edt), Hussain, Amir (Επιμελητής έκδοσης, http://id.loc.gov/vocabulary/relators/edt), Wang, Qiu-Feng (Επιμελητής έκδοσης, http://id.loc.gov/vocabulary/relators/edt), Zhang, Rui (Επιμελητής έκδοσης, http://id.loc.gov/vocabulary/relators/edt)
Μορφή: Ηλεκτρονική πηγή Ηλ. βιβλίο
Γλώσσα:English
Έκδοση: Cham : Springer International Publishing : Imprint: Springer, 2019.
Έκδοση:1st ed. 2019.
Σειρά:Cognitive Computation Trends, 2
Θέματα:
Διαθέσιμο Online:Full Text via HEAL-Link
Πίνακας περιεχομένων:
  • Preface
  • Introduction to Deep Density Models with Latent Variables
  • Deep RNN Architecture: Design and Evaluation
  • Deep Learning Based Handwritten Chinese Character and Text Recognition
  • Deep Learning and Its Applications to Natural Language Processing
  • Deep Learning for Natural Language Processing
  • Oceanic Data Analysis with Deep Learning Models
  • Index.