Name: Vue D'ensemble de L'apprentissage Profond en Imagerie Médicale Axée sur les Images irm (en Francés)
SKU: 62436751
Price: 1052.33 MXN
Availability: InStock
Author: Sri Mahalakshmi Jagu; Rajiv Kumar Sette; Uppendra Kumar S.
ISBN: 9786207784868

portada Vue D'ensemble de L'apprentissage Profond en Imagerie Médicale Axée sur les Images irm (en Francés)

Vue D'ensemble de L'apprentissage Profond en Imagerie Médicale Axée sur les Images irm (en Francés)

Formato

Libro Físico

Editorial

Editions Notre Savoir

Autor

Sri Mahalakshmi Jagu; Rajiv Kumar Sette; Uppendra Kumar S.

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

ISBN13

9786207784868

Vue D'ensemble de L'apprentissage Profond en Imagerie Médicale Axée sur les Images irm (en Francés)

Sri Mahalakshmi Jagu; Rajiv Kumar Sette; Uppendra Kumar S. (Autor) · Editions Notre Savoir · 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 "Vue D'ensemble de L'apprentissage Profond en Imagerie Médicale Axée sur les Images irm (en Francés)"

L'apprentissage automatique a connu récemment des développements spectaculaires qui ont suscité beaucoup d'intérêt de la part de l'industrie, du monde universitaire et de la culture populaire. Ces progrès sont dus à des percées dans le domaine des réseaux neuronaux artificiels, souvent appelés "apprentissage profond", un ensemble de techniques et d'algorithmes qui permettent aux ordinateurs de découvrir des modèles complexes dans de grands ensembles de données. L'accès accru aux données ("big data"), les cadres logiciels conviviaux et l'explosion de la puissance de calcul disponible, qui permettent l'utilisation de réseaux neuronaux plus profonds que jamais, sont à l'origine de ces percées. Ces modèles constituent aujourd'hui l'approche de pointe d'une grande variété de problèmes dans les domaines de la vision par ordinateur, de la modélisation du langage et de la robotique. L'apprentissage profond a acquis une place prépondérante dans le domaine de la vision par ordinateur lorsque les réseaux neuronaux ont commencé à surpasser d'autres méthodes dans le cadre de plusieurs tests de référence très médiatisés en matière d'analyse d'images. Le cas le plus célèbre est celui de l'Image Net Large-Scale Visual Recognition Challenge (ILSVRC) en 2012, où un modèle d'apprentissage profond (un réseau neuronal convolutif) a divisé par deux le deuxième meilleur taux d'erreur dans la tâche de classification d'images.