Springer Series in the Data Sciences

Deep Learning Architectures

A Mathematical Approach

Autoren: Calin, Ovidiu

Vorschau
  • Contains a fair number of end-of chapter exercises
  • Full solutions provided to all exercises
  • Appendices including topics needed in the book exposition
Weitere Vorteile

Dieses Buch kaufen

eBook 37,44 €
71,68 € (Listenpreis)
Preis für Deutschland (Brutto)
gültig bis 30. Juni 2021
  • ISBN 978-3-030-36721-3
  • Versehen mit digitalem Wasserzeichen, DRM-frei
  • Erhältliche Formate: PDF, EPUB
  • eBooks sind auf allen Endgeräten nutzbar
  • Sofortiger eBook Download nach Kauf
Hardcover 48,14 €
90,94 € (Listenpreis)
Preis für Deutschland (Brutto)
gültig bis 30. Juni 2021
Softcover 32,09 €
64,19 € (Listenpreis)
Preis für Deutschland (Brutto)
gültig bis 30. Juni 2021
Über dieses Lehrbuch

This book describes how neural networks operate from the mathematical point of view. As a result, neural networks can be interpreted both as function universal approximators and information processors. The book bridges the gap between ideas and concepts of neural networks, which are used nowadays at an intuitive level, and the precise modern mathematical language, presenting the best practices of the former and enjoying the robustness and elegance of the latter.

This book can be used in a graduate course in deep learning, with the first few parts being accessible to senior undergraduates.  In addition, the book will be of wide interest to machine learning researchers who are interested in a theoretical understanding of the subject.

 

 


Über die Autor*innen

Ovidiu Calin, a graduate from University of Toronto, is a professor at Eastern Michigan University and a former visiting professor at Princeton University and University of Notre Dame. He has delivered numerous lectures at several universities in Japan, Hong Kong, Taiwan, and Kuwait over the last 15 years. His publications include over 60 articles and 8 books in the fields of machine learning, computational finance, stochastic processes, variational calculus and geometric analysis.

Stimmen zum Buch

“This book is useful to students who have already had an introductory course in machine learning and are further interested to deepen their understanding of the machine learning material from the mathematical point of view.” (T. C. Mohan, zbMATH 1441.68001, 2020)


Inhaltsverzeichnis (20 Kapitel)

Inhaltsverzeichnis (20 Kapitel)

Dieses Buch kaufen

eBook 37,44 €
71,68 € (Listenpreis)
Preis für Deutschland (Brutto)
gültig bis 30. Juni 2021
  • ISBN 978-3-030-36721-3
  • Versehen mit digitalem Wasserzeichen, DRM-frei
  • Erhältliche Formate: PDF, EPUB
  • eBooks sind auf allen Endgeräten nutzbar
  • Sofortiger eBook Download nach Kauf
Hardcover 48,14 €
90,94 € (Listenpreis)
Preis für Deutschland (Brutto)
gültig bis 30. Juni 2021
Softcover 32,09 €
64,19 € (Listenpreis)
Preis für Deutschland (Brutto)
gültig bis 30. Juni 2021
Loading...

Wir empfehlen

Loading...

Bibliografische Information

Bibliographic Information
Buchtitel
Deep Learning Architectures
Buchuntertitel
A Mathematical Approach
Autoren
Titel der Buchreihe
Springer Series in the Data Sciences
Copyright
2020
Verlag
Springer International Publishing
Copyright Inhaber
Springer Nature Switzerland AG
eBook ISBN
978-3-030-36721-3
DOI
10.1007/978-3-030-36721-3
Hardcover ISBN
978-3-030-36720-6
Softcover ISBN
978-3-030-36723-7
Buchreihen ISSN
2365-5674
Auflage
1
Seitenzahl
XXX, 760
Anzahl der Bilder
178 schwarz-weiß Abbildungen, 35 Abbildungen in Farbe
Themen