جلد سخت سیاه و سفید
Product details
- Publisher : Springer; 1st ed. 2022 edition (January 6, 2022)
- Language : English
- Hardcover : 346 pages
- ISBN-10 : 981166045X
- ISBN-13 : 978-9811660450
کتاب Geometry of Deep Learning: A Signal Processing Perspective (Mathematics in Industry, 37)
The focus of this book is on providing students with insights into geometry that can help them understand deep learning from a unified perspective. Rather than describing deep learning as an implementation technique, as is usually the case in many existing deep learning books, here, deep learning is explained as an ultimate form of signal processing techniques that can be imagined.
To support this claim, an overview of classical kernel machine learning approaches is presented, and their advantages and limitations are explained. Following a detailed explanation of the basic building blocks of deep neural networks from a biological and algorithmic point of view, the latest tools such as attention, normalization, Transformer, BERT, GPT-3, and others are described. Here, too, the focus is on the fact that in these heuristic approaches, there is an important, beautiful geometric structure behind the intuition that enables a systematic understanding. A unified geometric analysis to understand the working mechanism of deep learning from high-dimensional geometry is offered. Then, different forms of generative models like GAN, VAE, normalizing flows, optimal transport, and so on are described from a unified geometric perspective, showing that they actually come from statistical distance-minimization problems.
Because this book contains up-to-date information from both a practical and theoretical point of view, it can be used as an advanced deep learning textbook in universities or as a reference source for researchers interested in acquiring the latest deep learning algorithms and their underlying principles. In addition, the book has been prepared for a codeshare course for both engineering and mathematics students, thus much of the content is interdisciplinary and will appeal to students from both disciplines.
منابع کتاب کتاب Geometry of Deep Learning: A Signal Processing Perspective (Mathematics in Industry, 37)
تمرکز این کتاب بر ارائه بینشی به دانش‌آموزان در مورد هندسه است که می‌تواند به آنها در درک یادگیری عمیق از دیدگاهی یکپارچه کمک کند. به جای توصیف یادگیری عمیق به عنوان یک تکنیک پیاده سازی، همانطور که معمولا در بسیاری از کتاب های یادگیری عمیق موجود است، در اینجا، یادگیری عمیق به عنوان شکل نهایی تکنیک های پردازش سیگنال که می توان تصور کرد توضیح داده می شود.
برای حمایت از این ادعا، یک مرور کلی از رویکردهای یادگیری ماشین هسته کلاسیک ارائه شده است و مزایا و محدودیت‌های آنها توضیح داده می‌شود. در ادامه توضیح دقیق بلوک های ساختمانی اصلی شبکه های عصبی عمیق از دیدگاه بیولوژیکی و الگوریتمی، جدیدترین ابزارها مانند توجه، نرمال سازی، ترانسفورماتور، BERT، GPT-3 و موارد دیگر شرح داده شده است. در اینجا نیز تمرکز بر این واقعیت است که در این رویکردهای اکتشافی، ساختار هندسی مهم و زیبایی در پس شهود وجود دارد که درک سیستماتیک را ممکن می‌سازد. یک تحلیل هندسی یکپارچه برای درک مکانیسم کار یادگیری عمیق از هندسه با ابعاد بالا ارائه شده است. سپس، اشکال مختلف مدل‌های مولد مانند GAN، VAE، عادی‌سازی جریان‌ها، انتقال بهینه و غیره از دیدگاه هندسی یکپارچه توصیف می‌شوند.
از آنجایی که این کتاب حاوی اطلاعات به روز از نظر عملی و نظری است، می توان از آن به عنوان یک کتاب درسی یادگیری عمیق پیشرفته در دانشگاه ها یا به عنوان منبع مرجع برای محققان علاقه مند به دستیابی به جدیدترین الگوریتم های یادگیری عمیق و زیربنای آنها استفاده کرد. اصول. علاوه بر این، این کتاب برای یک دوره کد اشتراک گذاری برای دانشجویان مهندسی و ریاضیات آماده شده است، بنابراین بسیاری از محتوا بین رشته ای است و برای دانشجویان هر دو رشته جذاب خواهد بود.
ارسال نظر درباره کتاب Geometry of Deep Learning: A Signal Processing Perspective (Mathematics in Industry, 37)