شبکه های عصبی و یادگیری ژرف انتشارات آتی نگر

درباره کتاب شبکه‌های عصبی و یادگیری ژرف

تمرکز کتاب حاضر روی موضوع شبکه‌های عصبی یادگیری ژرف است و مطالب آن در ده فصل گردآوری و تهیه شده است. 

در فصل اول با مفاهیم پایه در شبکه‌های عصبی آشنا می‌شویم. 

شبیه‌سازی مدل‌های متعدد یادگیری ماشین با کمک شبکه‌های عصبی در فصل دوم آمده است.

اگرچه در دو فصل اول کتاب مروری اجمالی روی روش‌های آموزش شبکه‌های عصبی دیده می‌شود، اما جزئیات بیشتر آن و هم‌چنین چالش‌های آموزش شبکه‌های عصبی در فصل‌های سوم و چهارم شرح داده شده است.

شبکه‌های تابع پایه شعاعی و ماشین‌های بولتزمن محدود به ترتیب در فصل‌های پنجم و ششم بحث شده‌اند. 

شاید به جرات بتوان گفت که شبکه‌های  عصبی، موفقیت‌های اخیر خود را مرهون دو معماری برگشتی و کانولوشن است؛ معماری‌هایی که قدرت خود را در کار با متون، صوت و تصویر نشان داده‌اند. شبکه‌های عصبی برگشتی و شبکه‌های عصبی کانولوشن موضوعات فصل هفتم و هشتم کتاب را تشکیل می‌دهند.

فصل نهم به نقش یادگیری ژرف در یادگیری تقویتی تخصیص داده شده است. 

در فصل آخر نیز به صورت اجمالی به سراغ موضوعات پیشرفته‌ای نظیر استفاده از مولفه توجه، سازوکارهای تورینگ عصبی و شبکه‌های تخاصمی مولد رفته‌ایم.

سرفصل‌های کتاب شبکه‌های عصبی و یادگیری ژرف 

فصل اول: مقدمه‌ای بر شبکه‌های عصبی

فصل دوم: یادگیری ماشین و شبکه‌های عصبی

فصل سوم: یادگیری شبکه‌های عصبی ژرف

فصل چهارم: یادگیری در راستای تعمیم بهتر

فصل پنجم: شبکه‌های تابع پایه شعاعی

فصل ششم: ماشین‌های بولتزمن محدود

فصل هفتم: شبکه‌های عصبی برگشتی

فصل هشتم: شبکه‌های عصبی کانولوشن

فصل نهم: یادگیری تقویتی ژرف

فصل دهم: عناوین پیشرفته در یادگیری ژرف