• Autor de la entrada:
  • Categoría de la entrada:Libros / OpenLibra


El siguiente libro gratuito está dirigido para todas aquellas personas interesadas en aprender una descripción general en las redes neuronales.

Aprendizaje profundo (en inglés, deep learning) es un grupo de algoritmos de aprendizaje automático (en inglés, machine learning) que aspira modelar abstracciones de elevado grado en datos utilizando arquitecturas computacionales que aceptan transformaciones no lineales diversos e iterativas de datos expresados en forma matricial o tensorial.

El aprendizaje profundo es parte de un grupo más extenso de procedimientos de aprendizaje automático basados en asimilar representaciones de datos.



Numerosas arquitecturas de aprendizaje profundo, como redes neuronales profundas, redes neuronales profundas convolucionales, y redes de religión profundas, fueron aplicadas a campos como perspectiva por computador, reconocimiento automático del habla, y reconocimiento de señales de audio y canción, y han mostrado crear resultados de vanguardia en numerosas labores.

Los algoritmos de aprendizaje profundo contrastan con los algoritmos de aprendizaje poco profundo por el número de transformaciones aplicadas a la señal a medida que se propaga a partir de la capa de acceso a la capa de salida.

No existe un estándar de facto para el número de transformaciones (o capas) que convierte a un algoritmo en profundo, sin embargo la mayor parte de estudiosos en el campo estima que aprendizaje profundo involucra bastante más de 2 transformaciones intermedias.

Sobre el Libro (Por el Autor)

En los últimos años, las redes neuronales artificiales profundas (incluidas las recurrentes) han ganado numerosos concursos en reconocimiento de patrones y aprendizaje automático.

Este estudio histórico resume de manera compacta el trabajo relevante, gran parte del milenio anterior. Los aprendices superficiales y profundos se distinguen por la profundidad de sus rutas de asignación de créditos, que son cadenas de vínculos causales, posiblemente aprendebles, entre acciones y efectos.

Reviso el aprendizaje supervisado profundo (también recapitulando la historia de la retropropagación), el aprendizaje no supervisado, el aprendizaje reforzado y la computación evolutiva, y la búsqueda indirecta de programas cortos que codifican redes grandes y profundas.

Esta es la preimpresión de una descripción general de Deep Learning (DL) invitada. Uno de sus objetivos es dar crédito a quienes contribuyeron al estado actual de la técnica.

Reconozco las limitaciones de intentar lograr este objetivo. La propia comunidad de investigación de DL puede verse como una red profunda y en constante evolución de científicos que se han influido mutuamente de formas complejas.

A partir de resultados recientes de DL, traté de rastrear los orígenes de las ideas relevantes a lo largo del último medio siglo y más allá, a veces usando la «búsqueda local» para seguir las citas de citas hacia atrás en el tiempo.

Dado que no todas las publicaciones de DL reconocen adecuadamente el trabajo relevante anterior, se emplearon estrategias de búsqueda global adicionales, con la ayuda de la consulta de numerosos expertos en redes neuronales.

Como resultado, la presente preimpresión consta principalmente de referencias. Sin embargo, debido a un sesgo de selección de expertos, es posible que me haya perdido un trabajo importante.

Un sesgo relacionado fue seguramente introducido por mi especial familiaridad con el trabajo de mi propio grupo de investigación de DL en el último cuarto de siglo. Por estas razones, este trabajo debe verse simplemente como una instantánea de un proceso de asignación de créditos en curso.

Contenido (Temas)

  •     Introducción al aprendizaje profundo (DL) en redes neuronales (NN)
  •     Notación orientada a eventos para propagación de activación en NN
  •     Profundidad de las rutas de asignación de crédito (CAP) y de los problemas
  •     Temas recurrentes de aprendizaje profundo
  •     NN supervisados, algunos con la ayuda de NN no supervisados
  •     DL en FNN y RNN para aprendizaje por refuerzo (RL)
  •     Conclusión y perspectivas
  •     Agradecimientos

Ficha Técnica

Año: 2014

Editor: University of Lugano

Idioma: Inglés

Tamaño: 626 KB

Licencia: Pendiente de Revisión

hot sale domestika
Ve la oferta aquí y recuerda que tienes el 10% Extra con el código: FACIALIX-10

Acerca de OpenLibra

OpenLibra busca reunir bajo una misma plataforma el mayor número de publicaciones libres posible. Esto implica una serie de riesgos en cuanto a los contenidos que han de asumirse y sobre los que queremos informar a nuestros usuarios.

En OpenLibra, los libros son responsabilidad exclusiva de sus autores. Esto significa que OpenLibra, no puede garantizar la validez de sus contenidos.

Preguntas Frecuentes

¿Qué quiere decir Biblioteca Libre?

Quiere decir que todos los libros que la componen están licenciados bajo alguno de los muchos tipos de licencia libre que existen y que, por tanto, el autor da su autorización para su reproducción y redistribución.

¿Son entonces todos los libros de esta biblioteca gratis?

Sí; al menos para su versión digital. Muchos autores, además, ofrecen la versión impresa (ya sea directamente o a través del circuito comercial habitual) por la que pueden cobrar lo que estimen oportuno.

Pero algunos de los libros que hay en la Biblioteca tienen Copyright…

El copyright y las licencias libres no son excluyentes. De hecho, las segundas se basan en la legislación sobre la primera para otorgar los derechos de copia y distribución. Es por eso que toda obra bajo una licencia libre, posee un copyright que garantiza la voluntad de su autor. Lo importante es qué permite ese copyright con respecto a la obra licenciada.

Pues he visto algún libro por aquí que tiene un Copyright y un ‘todos los derechos reservados’.

Cierto; en estos casos, lo más habitual es que la editorial haya devuelto los derechos de explotación al autor. Suele ocurrir con los manuales técnicos una vez pasado un tiempo prudencial o, por ejemplo, cuando se han agotado las ediciones impresas y no se pretende una reedición. Una vez los autores vuelven a tener el control, pueden ceder su trabajo al dominio público o permitir su redistribución libre para volver a poner su obra en circulación.

Si los libros son libres y gratis, ¿puedo hacer con ellos lo que quiera? ¿Los puedo imprimir, traducir y/o vender?

No; no puedes hacer aquello que su licencia no permita. Cómo se explica en el enlace de más arriba, algunas licencias solo permiten la descarga y redistribución sin ánimo de lucro. Si por ejemplo, quieres traducir la obra y editarla de forma ordinaria, algunos autores te exigirán que pagues los derechos pertinentes.

hot sale domestika
Ve la oferta aquí y recuerda que tienes el 10% Extra con el código: FACIALIX-10

Descarga el Libro

Si te interesaron los temas, te dejamos aquí abajo el enlace de descarga.

¿Quieres Más?

Encuentra cursos y libros gratuitos, además de cupones de Udemy, en nuestros Telegram.


Más Libros Gratis


Fuente de Información: Wikipedia

Jesús

Si lees esto, es por que sabes leer. Un saludo...

Deja una respuesta

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.