000			03678nam a2200409 a 4500
005			20260701202231.0
006			m d
007			cr cnu---uuuuu
008			180825s2018 s 000 0 eng d
020			_a9783319944630 _9978-3-319-94463-0
040			_aCO-CtgCURN _bspa _ccoctgcurn
082	0	4	_a006.3 _223
100	1		_aAggarwal, Charu C., _eautor. _4aut. _4http://id.loc.gov/vocabulary/relators/aut
245	1	0	_aNeural Networks and Deep Learning _h[electronic resource] : _bA Textbook / _cby Charu C. Aggarwal.
260		4	_aCham : : : _bSpringer International Publishing : : : _bImprint: Springer,,, _c2018.
260		1	_c2018.
300			_aXXIII, 497 p. 139 illus., 11 illus. in color. : _bonline resource.
336			_atexto _btxt _2rdacontent
337			_acomputador _bc _2rdamedia
338			_arecurso en línea _bcr _2rdacarrier
347			_atext file _bPDF _2rda
504			_aIncluye referencias bibliográficas e índice.
505	0		_a1 An Introduction to Neural Networks -- 2 Machine Learning with Shallow Neural Networks -- 3 Training Deep Neural Networks -- 4 Teaching Deep Learners to Generalize -- 5 Radical Basis Function Networks -- 6 Restricted Boltzmann Machines -- 7 Recurrent Neural Networks -- 8 Convolutional Neural Networks -- 9 Deep Reinforcement Learning -- 10 Advanced Topics in Deep Learning.
520			_aEste libro cubre los modelos clásicos y modernos en el aprendizaje profundo. El enfoque principal est en la teoría y los algoritmos del aprendizaje profundo. La teoría y los algoritmos de las redes neuronales son particularmente importantes para comprender conceptos importantes, de modo que uno pueda comprender los conceptos de diseño importantes de las arquitecturas neuronales en diferentes aplicaciones. Por qué funcionan las redes neuronales? Cuándo funcionan mejor que los modelos estándar de aprendizaje automático? Cuándo es útil la profundidad? Por qué es tan difícil entrenar redes neuronales? Cuáles son las trampas? Las aplicaciones asociadas con muchas áreas diferentes como sistemas de recomendación, traducción automática, subtítulos de imágenes, clasificación de imágenes, juegos basados en aprendizaje por refuerzo y análisis de texto están cubiertos. Los capítulos de este libro abarcan tres categorías: Los fundamentos de las redes neuronales: muchos modelos tradicionales de aprendizaje automático pueden entenderse como casos especiales de redes neuronales. En los dos primeros capítulos se hace hincapié en comprender la relación entre el aprendizaje automático tradicional y las redes neuronales. Las máquinas de vectores de soporte, la regresión lineal / logística, la descomposición de valores singulares, la factorización matricial y los sistemas de recomendación son casos especiales de redes neuronales. Estos métodos se estudian junto con métodos recientes de ingeniería de características como word2vec.
650		0	_aInteligencia artificial.
650		0	_aSistemas de información.
650		0	_aCiencias de la computación.
650	2	4	_aSistemas de información y comunicación.
650	2	4	_aArquitectura de procesadores.
710	2		_aSpringerLink (Online service)
773	0		_tSpringer eBooks
852			_aMHC _bMHC _cCF _h006.3 _iA266
856	7		_uhttps://unicurn.sharepoint.com/:b:/s/biblioteca/EUHyFtOlfU5NqC6_fpGgM6YBg8Vk_XhcUB8HspDQkBJMtw?e=0kKaBq _z<img src="/screens/gifs/go4.gif" alt="Go button" border="0" width="21" height="21" hspace="7" align=middle"> Vea este libro electrónico
942			_cCF _h006.3 _iA266 _2ddc
960			_aa2850593
999			_c29596 _d29596