Deep Learning / Ian J. GOODFELLOW

Titre : Deep Learning Type de document : texte imprimé Auteurs : Ian J. GOODFELLOW, Auteur ; Yoshua BENGIO, Auteur ; Aaron C. COURVILLE, Auteur Editeur : The MIT Press Année de publication : 2016 Collection : Adaptative Computation and Machine Learning Importance : 775 p. ISBN/ISSN/EAN : 978-0-262-03561-3 Note générale : Contents Website Acknowledgements Notation Bibliography Index Catégories : Apprentissage automatique Apprentissage profond Intelligence artificielle Méthode de Monte Carlo Théorie de l'information Index. décimale : 006.3 Intelligence artificielle Résumé : Introduction APPLIED MATH AND MACHINE LEARNING BASICS Linear Algebra Probability and Information Theory Numerical Computation Machine Learning Basics DEEP NETWORKS: MODERN PRACTICES Deep Feedforward Networks Regularization for Deep Learning Optimization for Training Deep Models Convolutional Networks Sequence Modelling: Recurrent and Recursive Nets Practical Methodology Applications DEEP LEARNING RESEARCH Linear Factor Models Autoencoders Representation Learning Structured Probabilistic Models for Deep Learning Monte Carlo Methods Confronting the Partition Function Approximate Inference Deep Generative Models

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00011591	006.3 GOO	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Sorti jusqu'au 15/05/2028

---

1 (1 - 1 / 1) Par page : 25 50 100 200