Descripción
Este libro trata sobre cómo usar el aprendizaje profundo para la visión por computadora usando redes neuronales convolucionales. Estas son lo último en clasificación de imágenes y superan a las redes neuronales profundas convencionales en tareas como mnist.
En este curso vamos a subir la apuesta y analizar el conjunto de datos de números de casas de Streetview (svhn, por sus siglas en inglés) —que usa imágenes en color más grandes en varios ángulos—, por lo que las cosas se van a poner más difíciles tanto computacionalmente como en términos de la dificultad de la tarea de clasificación.
Beneficios de leer este libro que no encontrarás en ningún otro lugar:
- Introducción a las redes neuronales
- Estructuras de redes neuronales
- Construcción de una red neuronal
- La construcción de neuronas artificiales
- El modelo de neuronas biológicas
- Cómo funcionan
- Las capacidades de la estructura de las redes neuronales
- Organizando su red
El aprendizaje profundo es un nuevo concepto que ha surgido desde la década de 2000. Si bien el aprendizaje profundo es nuevo en esto, este no es el caso de las redes neuronales artificiales, un concepto en el que se basa el aprendizaje profundo. Oímos hablar de la primera neurona artificial en 1943 cuando Warren McCulloch y Walterpitts publicaron su primer modelo matemático y computacional de la neurona biológica: la neurona formal. La neurona formal está directamente inspirada en la neurona biológica.
Autor: Laurie Thomas
Editorial: Tyson Maxwell
Publicado: 27/12/2022
Páginas: 192
Tipo de encuadernación: Tapa blanda
Peso: 0.43lbs
Tamaño: 8.00h x 5.00w x 0.41d
ISBN13: 9781775267270
ISBN10: 177526727X
Categorías BISAC:
- Informática | Inteligencia Artificial | Visión por Computadora y Reconocimiento de Patrones
- Matemáticas | Matemáticas Discretas
- Informática | Ciencias de la Computación
Este título no es retornable