Name: Tiefes CollabNet (en Alemán)
SKU: 58554934
Price: 1052.33 MXN
Availability: InStock
Author: Laurence, Moisés ; de Almeida, Areolino
ISBN: 9786205814802

Formato

Libro Físico

Autor

Moisés Laurence

Areolino de Almeida

Editorial

Verlag Unser Wissen

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.4 cm

Peso

0.10 kg.

ISBN13

9786205814802

Categorías

Tecnología de la información: cuestiones generales

Tiefes CollabNet (en Alemán)

Moisés Laurence (Autor) · Areolino de Almeida (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 22 a 27 días háb.

$ 1,753.88$ 1,052.33

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 1,052.33

¡Envío Gratis! Llega entre el 08 Oct y el 16 Oct a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Tiefes CollabNet (en Alemán)"

Mit dem Ziel, das Lernen von tiefen neuronalen Netzen zu verbessern, wird in dieser Arbeit das CollabNet-Netz vorgeschlagen, das aus einer neuen Methode zur Einfügung neuer versteckter Schichten in neuronale Netze vom Typ Deep FeedForward besteht, die von gestapelten Autocodierern inspiriert ist. Die neue Form der Einfügung wird als kollaborativ betrachtet und soll die Ausbildung im Vergleich zu Ansätzen, die auf gestapelten Autocodierern basieren, verbessern. Bei diesem neuen Ansatz erfolgt das Einfügen von Schichten auf koordinierte und schrittweise Weise, wobei der Einfluss dieser neuen Schicht auf das Training unter der Kontrolle des Konstrukteurs bleibt und nicht mehr zufällig und stochastisch wie beim traditionellen Stacking. Die in dieser Arbeit vorgeschlagene Zusammenarbeit besteht darin, die neu eingefügte Schicht dazu zu bringen, das von den vorherigen Schichten erreichte Lernen fortzusetzen, ohne das globale Lernen des Netzes zu beeinträchtigen. Auf diese Weise arbeitet die neu eingefügte Schicht mit den vorherigen Schichten zusammen, und das Ensemble arbeitet auf eine besser auf das Lernen abgestimmte Weise. CollabNet wurde an einer Datenbank mit einem realen Problem getestet und erzielte dabei zufriedenstellende und vielversprechende Ergebnisse.