บทนำเชิงคณิตศาสตร์สู่ดีปเลิร์นนิง: วิธีการ การนำไปใช้ และทฤษฎี
- หนังสือเล่มนี้มีจุดมุ่งหมายเพื่อแนะนำอัลกอริทึมดีปเลิร์นนิง
- ทบทวนองค์ประกอบหลักของอัลกอริทึมดีปเลิร์นนิงอย่างละเอียดในเชิงคณิตศาสตร์ รวมถึงโครงสร้างโครงข่ายประสาทเทียม (ANN) ที่หลากหลายและอัลกอริทึมการหาค่าเหมาะที่สุด
- ครอบคลุมแง่มุมทางทฤษฎีหลายด้านของอัลกอริทึมดีปเลิร์นนิง เช่น ความสามารถในการประมาณของ ANN ทฤษฎีการหาค่าเหมาะที่สุด และข้อผิดพลาดในการทำให้ทั่วไป
ทบทวนวิธีการประมาณ PDE ด้วยดีปเลิร์นนิง
- ในส่วนท้ายของหนังสือ มีการทบทวนวิธีดีปเลิร์นนิงสำหรับการประมาณ PDE
- รวมถึงโครงข่ายประสาทที่ผสานข้อมูลทางฟิสิกส์ (PINNs) และวิธี Deep Galerkin
กลุ่มผู้อ่านเป้าหมายของหนังสือ
- เขียนขึ้นสำหรับนักศึกษาและนักวิทยาศาสตร์ที่ไม่มีพื้นฐานด้านดีปเลิร์นนิงมาก่อนเลย
- ช่วยเสริมความเข้าใจเชิงคณิตศาสตร์เกี่ยวกับวัตถุและวิธีการที่ผู้ปฏิบัติงานจริงใช้พิจารณาในดีปเลิร์นนิง
ข้อมูลเพิ่มเติม
- หนังสือมีความยาว 601 หน้า และมีภาพประกอบ 36 ภาพกับซอร์สโค้ด 45 ชุด
- สาขาหัวข้อประกอบด้วย machine learning, artificial intelligence, numerical analysis, probability theory เป็นต้น และรหัสการจัดหมวดหมู่ MSC คือ 68T07
ความเห็นของ GN⁺
- หนังสือเล่มนี้จะช่วยผู้ที่เพิ่งเริ่มต้นกับดีปเลิร์นนิง ด้วยการมอบพื้นฐานทางคณิตศาสตร์เพื่อทำความเข้าใจอัลกอริทึมและทฤษฎีที่ซับซ้อนอย่างเป็นระบบ
- คำอธิบายอย่างละเอียดเกี่ยวกับโครงสร้าง ANN และวิธีการหาค่าเหมาะที่สุดที่หลากหลาย มอบความรู้เชิงลึกที่ผู้ปฏิบัติงานต้องใช้เมื่อนำไปประยุกต์กับโปรเจกต์ของตน
- เนื้อหาเกี่ยวกับวิธีการประมาณ PDE เน้นย้ำด้านการใช้งานจริงของดีปเลิร์นนิง โดยนำเสนอแนวทางที่เป็นประโยชน์ต่อการแก้ปัญหาจริง โดยเฉพาะในสาขาวิศวกรรมและฟิสิกส์
ยังไม่มีความคิดเห็น