Deep Neural Networks in a Mathematical Framework
This SpringerBrief describes how to build a rigorous end-to-end mathematical framework for deep neural networks. The authors provide tools to represent and describe neural networks, casting previous results in the field in a more natural light. In particular, the authors derive gradient descent algo...
| Κύριοι συγγραφείς: | , |
|---|---|
| Συγγραφή απο Οργανισμό/Αρχή: | |
| Μορφή: | Ηλεκτρονική πηγή Ηλ. βιβλίο |
| Γλώσσα: | English |
| Έκδοση: |
Cham :
Springer International Publishing : Imprint: Springer,
2018.
|
| Έκδοση: | 1st ed. 2018. |
| Σειρά: | SpringerBriefs in Computer Science,
|
| Θέματα: | |
| Διαθέσιμο Online: | Full Text via HEAL-Link |
Διαδίκτυο
Full Text via HEAL-LinkΒΚΠ - Πατρα: ALFd
| Ταξιθετικός Αριθμός: |
330.01 BAU |
|---|---|
| Αντίγραφο 1 | Στη βιβλιοθήκη |
ΒΚΠ - Πατρα: BSC
| Ταξιθετικός Αριθμός: |
330.01 BAU |
|---|---|
| Αντίγραφο 2 | Στη βιβλιοθήκη |
| Αντίγραφο 3 | Στη βιβλιοθήκη |
