کتاب Deep Learning Algorithms (الگوریتم‌های یادگیری عمیق) مروری کلی بر الگوریتم‌های یادگیری عمیق و کاربردهای آن در زمینه‌های مختلف خواهد داشت.
در ادامه مقدمه‌ای از کتاب Deep Learning Algorithms را شرح خواهیم داد.
مقدمه‌ای بر کتاب Deep Learning Algorithms:
این کتاب موضوعات مختلفی از الگوریتم‌های یادگیری عمیق را پوشش می‌دهد، از جمله: روش‌ها و رویکردهای یادگیری عمیق، کاربردهای یادگیری عمیق در زیست‌شناسی، کاربردهای یادگیری عمیق در پزشکی و کاربردهای یادگیری عمیق در سیستم‌های تشخیص الگو.
بخش 1 کتاب Deep Learning Algorithms بر روش‌ها و رویکردهای یادگیری عمیق تمرکز دارد و پیشرفت‌ها در نظریه و کاربردهای یادگیری عمیق را توصیف می‌کند – چشم‌انداز سال 2020 و پس از آن. یادگیری تقویتی گروه عمیق با چندین الگوریتم گرادیان خط مشی قطعی. تصمیم گیری پویا برای سیستم عامل‌های نرم‌افزار یادگیری عمیق پایدار. یادگیری عمیق برای طبقه‌بندی داده‌های فراطیفی از طریق شبکه‌های عصبی پیچش عمیق تکانه نمایی. و مجموعه معماری شبکه برای یادگیری تقویت عمیق.
بخش 2 کتاب Deep Learning Algorithms بر کاربردهای یادگیری عمیق در زیست شناسی متمرکز است و تشخیص ماهی را با استفاده از یادگیری عمیق توصیف می‌کند. یادگیری عمیق شناسایی بیماری برگ گوجه فرنگی؛ یادگیری عمیق برای شناسایی گیاهان در محیط طبیعی؛ و استفاده از مدل‌های یادگیری عمیق برای تشخیص رفتار ماوس.
بخش 3 بر کاربردهای یادگیری عمیق در پزشکی تمرکز دارد و کاربرد یادگیری عمیق در نور رادیولوژی را توصیف می‌کند: طبقه بندی خونریزی مغزی با استفاده از یادگیری انتقالی. مروری بر کاربرد یادگیری عمیق در براکی تراپی. کاوش یادگیری عمیق و انتقال یادگیری برای طبقه بندی پولیپ کولون. و الگوریتم یادگیری عمیق برای رابط مغز و کامپیوتر.
بخش 4 بر کاربردهای یادگیری عمیق در سیستم‌های تشخیص الگو متمرکز است و کاربرد یادگیری عمیق در پیش بینی دید فرودگاه را توصیف می‌کند. نمایش‌های سلسله مراتبی دارای یادگیری عمیق برای تشخیص چهره هستند. بررسی تحقیق در مورد تحلیل احساسات متنی بر اساس یادگیری عمیق. طبقه بندی ارقام دست نوشته با یادگیری عمیق؛ و پیش بینی قیمت بیت کوین بر اساس روش‌های یادگیری عمیق.
سرفصل‌های کتاب Deep Learning Algorithms:
- Machine Learning With Python: Theory and Applications, First Edition
- Cover
- Title Page
- Copyright
- DECLARATION
- ABOUT THE EDITOR
- TABLE OF CONTENTS
- List of Contributors
- List of Abbreviations
- Preface
- SECTION 1: Methods and Approaches for Deep Learning
- Chapter 1 Advancements in Deep Learning Theory and Applications: Perspective in 2020 and Beyond
- Chapter 2 Deep Ensemble Reinforcement Learning With Multiple Deep Deterministic Policy Gradient Algorithm
- Chapter 3 Dynamic Decision-Making For Stabilized Deep Learning Software Platforms
- Chapter 4 Deep Learning For Hyperspectral Data Classification Through Exponential Momentum Deep Convolution Neural Networks
- Chapter 5 Ensemble Network Architecture for Deep Reinforcement Learning
- Section 2: Deep Learning Techniques Applied In Biology
- Chapter 6 Fish Detection Using Deep Learning
- Chapter 7 Can Deep Learning Identify Tomato Leaf Disease?
- Chapter 8 Deep Learning For Plant Identification In Natural Environment
- Chapter 9 Applying Deep Learning Models to Mouse Behavior Recognition
- Section 3: Deep learning Applications in Medicine
- Chapter 10 Application of Deep Learning in Neuroradiology: Brain Hemorrhage Classification Using Transfer Learning
- Chapter 11 A Review of the Application of Deep Learning in Brachytherapy
- Chapter 12 Exploring Deep Learning and Transfer Learning for Colonic Polyp Classification
- Chapter 13 Deep Learning Algorithm For Brain-Computer Interface
- Section 4: Deep Learning in Pattern Recognition Tasks
- Chapter 14 The Application of Deep Learning In Airport Visibility Forecast
- Chapter 15 Hierarchical Representations Feature Deep Learning For Face Recognition
- Chapter 16 Review of Research on Text Sentiment Analysis Based on Deep Learning
- Chapter 17 Classifying Hand Written Digits With Deep Learning
- Chapter 18 Bitcoin Price Prediction Based on Deep Learning Methods
- Index
- Back Cover
جهت دانلود کتاب Deep Learning Algorithms می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.