Нейронные сети и глубокое обучение: учебный курс
Это фундаментальный учебник, охватывающий все ключевые аспекты нейронных сетей и глубокого обучения. Книга начинается с введения в базовые архитектуры нейронных сетей, включая перцептроны и многослойные сети, и подробно объясняет алгоритм обратного распространения ошибки для их обучения.
В последующих главах рассматриваются практические аспекты тренировки нейронных сетей, такие как проблемы переобучения, затухающих градиентов и сходимости. Особое внимание уделяется преимуществам глубоких архитектур и композиции функций, а также важности нелинейных активаций.
Книга подробно описывает распространённые архитектуры нейронных сетей, включая сети радиально-базисных функций, ограниченные машины Больцмана, рекуррентные и свёрточные нейронные сети. Отдельная глава посвящена глубокому обучению с подкреплением и дополнительным темам, таким как генеративно-состязательные сети.
Учебник также содержит практические примеры и эталонные тесты, включая работу с базами данных MNIST и ImageNet, что делает его ценным ресурсом как для студентов, так и для практикующих специалистов.
