Variational Methods for Machine Learning with Applications to Deep Network

Cập nhật vào: Thứ năm - 24/08/2023 04:54

Nhan đề chính: Variational Methods for Machine Learning with Applications to Deep Network

Nhan đề dịch: Các phương pháp đa dạng cho học máy với các ứng dụng cho mạng lưới kín

Tác giả: Lucas Pinheiro Cinelli

Nhà xuất bản: Springer Cham

Năm xuất bản: 2021

Số trang: 165 tr.

Ngôn ngữ: Tiếng Anh

ISBN: 978-3-030-70679-1

SpringerLink

Lời giới thiệu: Cuốn sách này cung cấp một cái nhìn đơn giản về các khái niệm, thuật toán và lợi thế của mô hình học sâu Bayesian và Deep Generative. Bắt đầu từ cách tiếp cận dựa trên mô hình đối với học máy, các tác giả thúc đẩy các mô hình đồ họa xác suất và chỉ ra cách suy luận Bayesian phù hợp một cách tự nhiên. Các tác giả giải thích chi tiết về các thuật toán hiện đại chính về các xấp xỉ biến phân cho suy luận Bayes trong các mạng thần kinh. Mỗi thuật toán của tập hợp được chọn này phát triển một khía cạnh riêng biệt của lý thuyết. Cuốn sách được xây dựng từ các mô hình Deep Generative nổi tiếng từ đầu, chẳng hạn như bộ mã hóa tự động biến đổi và các phát triển lý thuyết tiếp theo. Bằng cách trình bày các vấn đề chính của thuật toán cùng với các phương pháp khác nhau để giảm thiểu các vấn đề đó, cuốn sách cung cấp kiến thức cần thiết về các mô hình tổng quát để người đọc xử lý nhiều loại dữ liệu: tuần tự hay không, liên tục hay không, có nhãn hay không. Cuốn sách khép kín, tinh gọn bao gồm tất cả các lý thuyết cần thiết để người đọc không phải tìm kiếm thông tin bổ sung ở nơi khác. Cung cấp một tài nguyên độc lập ngắn gọn, bao gồm các khái niệm cơ bản cho các thuật toán cho Bayesian Deep Learning; trình bày các khái niệm suy luận thống kê, đưa ra một tập hợp các ví dụ làm sáng tỏ, các khía cạnh thực tế và mã giả; mỗi chương bao gồm các ví dụ và bài tập thực hành và một trang web có các slide bài giảng, các ví dụ bổ sung và tài liệu hỗ trợ khác.

Từ khóa: Lý thuyết máy. Trí tuệ nhân tạo. Mạng thần kinh. Bayesian Deep Learning. Suy luận gần đúng. Suy luận biến đổi.

Nội dung cuốn sách gồm những phần sau:

Giới thiệu

Nguyên tắc cơ bản của suy luận thống kê

Học máy dựa trên mô hình và suy luận gần đúng

Mạng thần kinh Bayesian

Bộ mã hóa tự động biến đổi

Variational Methods for Machine Learning with Applications to Deep Network

Những tin mới hơn

Những tin cũ hơn