cam a22 4 4500 438589963 CHVBK 20201204113619.0 170227t20162016xxu |||| 00 0 eng|d 978-0-262-03561-3 0-262-03561-8 http://catalogue.bnf.fr/ark:/12148/cb453353308 uri (LIBIB)000447122 (IDSBB)006734984 (IDSSG)000963601 (IDSLU)001272423 (NEBIS)010778835 (RERO)R008559362 (SBT)000916899 (OCoLC)955778308 (OCoLC)951226949 (OCoLC)962086593 DEBSZ ger LI-VaLIL FLFHL rda Q325.5 .G66 2016 s1in rero 004 15 150 15 530 15 330 15 006.31 22 006.31 GOO DP 2600 rvk MR 2200 rvk ST 300 rvk ST 301 rvk ST 302 rvk ST 304 rvk 004 sdnb DE002F7FB417983E9F918C125817F00409B7F iCapture Goodfellow Ian 1987- (DE-588)112365512X Verfasser aut Deep learning Ian Goodfellow, Yoshua Bengio and Aaron Courville Cambridge, Massachusetts The MIT Press [2016] ©2016 xxii, 775 Seiten Illustrationen Adaptive computation and machine learning series (LIBIB)000356796 323041825 Includes bibliographical references (pages 711-766) and index "Deep learning is a form of machine learning that enables computers to learn from experience and understand the world in terms of a hierarchy of concepts. Because the computer gathers knowledge from experience, there is no need for a human computer operator to formally specify all the knowledge that the computer needs. The hierarchy of concepts allows the computer to learn complicated concepts by building them out of simpler ones; a graph of these hierarchies would be many layers deep. This book introduces a broad range of topics in deep learning. The text offers mathematical and conceptual background, covering relevant concepts in linear algebra, probability theory and information theory, numerical computation, and machine learning. It describes deep learning techniques used by practitioners in industry, including deep feedforward networks, regularization, optimization algorithms, convolutional networks, sequence modeling, and practical methodology; and it surveys such applications as natural language processing, speech recognition, computer vision, online recommendation systems, bioinformatics, and video games. Finally, the book offers research perspectives, covering such theoretical topics as linear factor models, autoencoders, representation learning, structured probabilistic models, Monte Carlo methods, the partition function, approximate inference, and deep generative models. Deep Learning can be used by undergraduate or graduate students planning careers in either industry or research, and by software engineers who want to begin using deep learning in their products or platforms. A website offers supplementary material for both readers and instructors"--Page 4 of cover Machine learning fast Monte-Carlo-Simulation (DE-588)4240945-7 gnd Bioinformatik (DE-588)4611085-9 gnd Vernetzung (DE-588)4359141-3 gnd Datenverarbeitung (DE-588)4011152-0 gnd Künstliche Intelligenz (DE-588)4033447-8 gnd Sprachverarbeitung (DE-588)4116579-2 gnd Machine learning Deep learning (DE-588)1135597375 gnd Data Mining (DE-588)4428654-5 gnd Maschinelles Lernen (DE-588)4193754-5 gnd ANWENDUNGEN DER MATHEMATIK IN ANDEREN WISSENSCHAFTEN ger (ETHUDK)000012465 ethudk FACHLICHE NACHSCHLAGEWERKE + FACHLEXIKA + HANDBÜCHER (DOKUMENTENTYP) ger (ETHUDK)000009236 ethudk MASCHINELLES LERNEN (KÜNSTLICHE INTELLIGENZ) ger (ETHUDK)000038192 ethudk NEURONALE NETZWERKE + KONNEKTIONISMUS (KÜNSTLICHE INTELLIGENZ) ger (ETHUDK)000042509 ethudk PROBLEMLÖSEN + PLANEN + SUCHEN (KÜNSTLICHE INTELLIGENZ) ger (ETHUDK)000041502 ethudk SPEZIELLE PROGRAMMIERMETHODEN ger (ETHUDK)000013735 ethudk Machine learning (RERO)B013595458 Apprentissage automatique (RERO)A021023180 rero Analyse multivariée (RERO)A021006569 rero Intelligence artificielle (RERO)A021001871 rero Modèles mathématiques (RERO)A021010554 rero Apprentissage profond (RERO)A021133784 rero Lehrbuch gnd-content Manuels d'enseignement supérieur (RERO)A021035909 rero u Lernalgorithmus; Deep; Network; Faltung; Strategie; Maschine; Encoder; Faktoranalyse; Schätzung; Learning; Boltzmann; lineare Abhängigkeit; Abweichung; Codierung; Informationstheorie; Matrize; Operation; Regel; Stichprobenverfahren; Training; statistische Verteilung; Multiplikation; Vektor; Wahrscheinlichkeit; lernender Automat; Erwartung; Netz; Algebra; Analysis; Einheit; Variable; neuronale Netze ids J1 u Autoencoder; Backpropagation; Partitionsfunktion; Debuggingstrategie; Einzelwertzerlegung; Ensemblemethode; Erwartungsmaximierung; Faltungsalgorithmus; Faltungsoperation; Funktionsanalyse; Initialisierungsstrategie; Kettenregel; Komponentenanalyse; Metaalgorithmus; Netzwerkoptimierung; Optimierungsstrategie; Parameterbindung; Parameternutzung; Sequenzmodellierung; Variationsinferenz; Datentype; Faltungsnetzwerk; Hyperparameter; Loglikelihood; Multitask; Pseudolikelihood; Validierungsset; Boltzmannmaschine; Encoderdecoder; Kausalfaktor; Sequenzarchitektur; Tangentenabstand; Tangentenstütze; Zeitskala; Architekturdesign; Automatikgeber; Erzeugungsschema; Faktormodell; Generatormodell; Gradientabfall; Lernansatz; Lernrate; Moorepenrose; Normstrafe; Optimierungsproblem; Repräsentationskraft; Schichtgröße; Tangentenklassierer; Unterlauf ids J2 u generatives Netzwerk; gierigweise Pretraining; rekursives Netz; strukturierter Ausgang; strukturiertes Modell; wiederkehrendes Netz; zufälliges Feature; adaptive Lernrate; anderer Boltzmann; ander Gated; andere Anwendung; andere Differenzierung; andere Ensemblemethode; anderes Erzeugungsschema; andere Strategie; angewandte Mathematik; bedingte Unabhängigkeit; bedingte Wahrscheinlichkeit; beschränkte Optimierung; bidirektional RNNs; effizienter Faltungsalgorithmus; eingeschränkte Boltzmannmaschine; explizites Gedächtnis; faltbarer Boltzmann; frühes Stoppen; gemeinsame Funktion; gemeinsame Wahrscheinlichkeitsverteilung; generativ Nets; generatives Modell; getrennter Modus; gradientbasierte Optimierung; grafisches Modell; große Skala; grundlegender Algorithmus; halbüberwachte Entwirrung; historische Anmerkung; historischer Trend; inverse Matrize; kontinuierliche Variable; kontrastive Divergenz; langfristige Abhängigkeit; langsame Funktionsanalyse; leckere Einheit; liegende Ursache; lineare Algebra; lineares Faktormodell; lineare Spanne; lärmkontrastive Schätzung; mannigfaltiger Tangentenklassierer; maschinelles Lernen; mehrfache Zeitskala; natürliche Sprache; neuronales Netz; neuronale Netzwerkoptimierung; neurowissenschaftliche Basis; numerische Berechnung; nützliche Eigenschaft; praktische Methodik; probabilistisches Modell; reellwertiges Daten; reine Optimierung; rekursives Netz; schlechte Konditionierung; sequentieller Ausgang; skalarer Vektor; spezielle Art; spärliche Codierung; spärliche Darstellung; stochastische Höchstwahrscheinlichkeit; stochastischer Decoder; stochastischer Encoder; stochastischer Gradientabfall; stochastisches Netzwerk; strukturierter Ausgang; strukturierte Modellierung; technisches Detail; tiefer Lernansatz; tiefes Lernen; tiefes Modell; unabhängige Komponentenanalyse; ungefähre Inferenz; ungefähre Methode; ungefähre Schlussfolgerung; unstruk ids J3 u turierte Modellierung; unterbeschränktes Problem; unüberwacht Pretraining; unüberwachtes Feature; unüberwachter Lernalgorithmus; vielfältige Interpretation; zufällige Operation; zufällige Variable; zweite Ordnung; überwachter Lernalgorithmus ids J3 u Aaron Courville; ander Boltzmann Maschinen; Basic Convolution Funktion; Bayes; Beispiel Multi Digit Number; Beispiel Principal Components Analysis; Computational Graphs; Deep Boltzmann Maschinen; Deep Feedforward; Deep Generative Modelle; Deep Recurrent; Directed Generative Nets; Echo State Networks; Encoderdecoder Sequenzzu SequenzArchitekturen; faltbar Boltzmann Maschinen; Gated RNNs; generativ Stochastische Netzwerke; Gibbs; Gradientbased Learning; groß Skala Deep Learning; Ian Goodfellow Yoshua Bengio; Lernen Deep Networks Moderne; Lernen Ungefähre Inferenz; Markow Kette Monte Carlo Methoden; maschinell Lernen Grundlagen; Maximum Likelihood Schätzung; Parameter Norm Strafen; Predictive Sparse Decomposition; Presse Cambridge Massachusetts London; Regularisierte Autonecoder; rekursiv Neuronale Netze; Semi Supervised Learning; skalar Vektoren Matrizen; tief Lernen Tiefes Lernen; wiederkehrend Neuronale Netze ids J5 u 519.76 Mathematische Semiotik, Mathematische Linguistik idsuzh UK u ST 304 Automatisches Programmieren, Deduction and theorem proving, Wissensrepräsentation libib XF u ST 530 idslu LR u ST 300 idslu LR u MASCHINELLES LERNEN (KÜNSTLICHE INTELLIGENZ) ger 004*08*02*07 nebis E1 u NEURONALE NETZWERKE + KONNEKTIONISMUS (KÜNSTLICHE INTELLIGENZ) ger 004*08*02*07*01 nebis E1 u PROBLEMLÖSEN + PLANEN + SUCHEN (KÜNSTLICHE INTELLIGENZ) ger 004*08*02*09 nebis E1 u ANWENDUNGEN DER MATHEMATIK IN ANDEREN WISSENSCHAFTEN ger 51-7 nebis E1 u SPEZIELLE PROGRAMMIERMETHODEN ger 004*04*03*20 nebis E1 u FACHLICHE NACHSCHLAGEWERKE + FACHLEXIKA + HANDBÜCHER (DOKUMENTENTYP) ger (032) nebis E1 u MACHINE LEARNING (ARTIFICIAL INTELLIGENCE) eng 004*08*02*07 nebis E1 u APPRENTISSAGE AUTOMATIQUE (INTELLIGENCE ARTIFICIELLE) fre 004*08*02*07 nebis E1 u RÉSEAUX DE NEURONES ARTIFICIELS (INTELLIGENCE ARTIFICIELLE) fre 004*08*02*07*01 nebis E1 u NEURAL NETWORKS + CONNECTIONISM (ARTIFICIAL INTELLIGENCE) eng 004*08*02*07*01 nebis E1 u RESOLUTION DE PROBLÈMES + GÉNERATION DE PLANS (INTELLIGENCE ARTIFICIELLE) fre 004*08*02*09 nebis E1 u PROBLEM SOLVING + PLAN GENERATION + SEARCH (ARTIFICIAL INTELLIGENCE) eng 004*08*02*09 nebis E1 u APPLICATIONS OF MATHEMATICS IN OTHER FIELDS eng 51-7 nebis E1 u APPLICATIONS DES MATHÉMATIQUES AUX AUTRES SCIENCES fre 51-7 nebis E1 u MÉTHODES DE PROGRAMMATION SPÉCIFIQUES fre 004*04*03*20 nebis E1 u SPECIAL PROGRAMMING METHODS eng 004*04*03*20 nebis E1 u OUVRAGES DE RÉFÉRENCE SPÉCIALISÉS + ENCYCLOPÉDIES SPÉCIALISÉES + MANUELS (TYPE DE DOCUMENT) fre (032) nebis E1 u SPECIALIZED REFERENCE WORKS + SPECIALIZED ENCYCLOPAEDIAS + HANDBOOKS (DOCUMENT TYPE) eng (032) nebis E1 u 006.31 Intelligenza artificiale e computazione naturale. Apprendimento da parte della macchina sbt TE Bengio Yoshua (DE-588)1126443166 Verfasser aut Courville Aaron Verfasser aut https://doc1.bibliothek.li/acd/FLMF048329.pdf Inhaltsverzeichnis (pdf) Inhaltsverzeichnis BK020000 XK020000 XK020000 Metadata rights reserved rero NLLUHSI201704 idslu L3 E99 E99WIMA nebis EB E07-20190211 nebis EN E64-20181119 nebis EN E61ANH-2018 nebis E5 E6120180704 nebis EN E07-20171109 nebis EN E99-20180619 nebis EN E07-20171024 nebis EN UIPZ-201812 nebis EN zbzmon201709l beer zbzswk201710g stet idszbz Z2 E51ANH-2017 nebis E5 UECON-20170425 nebis EN E56-20171004 nebis EN E59-20171004 nebis EN E72-20180212 nebis EN aw FL 280 IDS LU 098 E01-20170410 E02098 E02-20170411 E30INFO E30-20171108 E51TN E51-20170629 E64HM E64-20181119 UFBIINFO UFBI-201706 in SzBzSBTc NEBIS E30 E30 E30BI NRG 211 NEBIS E30 E30 E30BI NRG 211: EX.2 NEBIS N07 N07 N07FH ST 300 GOOD 2016 IDSBB A204 A204 FH PHY M 427 NELA2041709 IDSBB A100 A100 100FM UBH Kt 23234 NELA1001802 IDSBB A216 A216 MAG MAT 68 GO GOODFE NELA2161801 LIBIB 100 1- Goodfellow Ian 1987- (DE-588)112365512X Verfasser aut LIBIB 490 0- Adaptive computation and machine learning series (LIBIB)000356796 323041825 LIBIB 700 1- Bengio Yoshua (DE-588)1126443166 Verfasser aut LIBIB 700 1- Courville Aaron Verfasser aut LIBIB 856 -- https://doc1.bibliothek.li/acd/FLMF048329.pdf Inhaltsverzeichnis (pdf) Inhaltsverzeichnis IDSBB 100 1- Goodfellow Ian 1987- (DE-588)112365512X Verfasser aut IDSBB 490 0- Adaptive computation and machine learning IDSBB 700 1- Bengio Yoshua (DE-588)1126443166 Verfasser aut IDSBB 700 1- Courville Aaron Verfasser aut IDSBB 856 -- http://www.deeplearningbook.org IDSSG 100 1- Goodfellow Ian 1987- (DE-588)112365512X Verfasser aut IDSSG 490 0- Adaptive computation and machine learning IDSSG 700 1- Bengio Yoshua (DE-588)1126443166 Verfasser aut IDSSG 700 1- Courville Aaron Verfasser aut IDSSG 856 4- https://unisg.link/hm00609464 Inhaltsverzeichnis IDSLU 100 1- Goodfellow Ian 1987- (DE-588)112365512X Verfasser aut IDSLU 490 0- Adaptive computation and machine learning IDSLU 700 1- Bengio Yoshua (DE-588)1126443166 Verfasser aut IDSLU 700 1- Courville Aaron (DE-588)1171761546 Verfasser aut NEBIS 100 1- Goodfellow Ian 1987- (DE-588)112365512X Verfasser aut NEBIS 490 0- Adaptive computation and machine learning NEBIS 700 1- Bengio Yoshua (DE-588)1126443166 Verfasser aut NEBIS 700 1- Courville Aaron (DE-588)1171761546 Verfasser aut RERO 100 1- Goodfellow Ian 1987- (IDREF)197683134 aut RERO 490 0- Adaptive computation and machine learning series RERO 700 1- Bengio Yoshua 1964- (IDREF)166731285 aut RERO 700 1- Courville Aaron (IDREF)197683223 aut SBT 100 1- Goodfellow Ian SBT 490 -- Adaptive computation and machine learning SBT 700 1- Bengio Yoshua SBT 700 1- Courville Aaron NEBIS EAD50 https://opac.nebis.ch/objects/pdf03/e01_978-0-262-03561-3_01.pdf Titelblatt und Inhaltsverzeichnis VIEW pdf IDSBB DSV51 DSV01 A100 http://www.ub.unibas.ch/tox/HBZ/HT019150662/PDF pdf VIEW Inhaltsverzeichnis