理論結果表明，為了學慣用於表示高層次的抽象（例如視覺、語言以及其他AI級別的任務）的復雜函數，我們需要深度結構。深度結構的組成包括了多層次的非線性操作，比如具有許多隱含層的神經網絡，或者重用了許多子公式的復雜命題公式。搜索深度結構的參數空間是一件很困難的任務，但是近提出的諸如用於深度信念網絡等的學習算法，對於探索這類問題取得了顯著的成功，在某些領域達到了新的水平。本書討論深度學習算法的方法和原理，尤其是那些被充分用作基石的單層模型的非監督學習算法例如受限玻爾茲曼機(RBM)，它用於構建深度信念網絡等深度模型。
人工智能中的深度結構學習 (Learning Deep Architectures for Ai)
- 作者： 尤舒亞·本吉奧 (Yoshua Bengio)
- 出版社： 機械工業
- 出版日期： 2017-07-01
- ISBN碼： 9787111569350
- 編號： 9787111569350
$ 166 元
原價 210
-
$166