Overview

Frontiere dell'apprendimento profondo: Advanced Models, Training Paradigms, and Open Problems presenta un'esplorazione completa delle direzioni emergenti nel deep learning, al di là delle architetture e dei metodi di addestramento tradizionali. Il libro esamina criticamente i limiti della backpropagation, l'implausibilità biologica, l'inefficienza della memoria e la dimenticanza catastrofica, introducendo alternative innovative come le reti neurali spiking, la codifica predittiva e la propagazione dell'equilibrio. Vengono trattati argomenti avanzati come il meta-apprendimento, i modelli di equilibrio profondi, le architetture trasformatrici, le reti neurali a grafo, l'IA neuro-simbolica, l'apprendimento auto-supervisionato, i modelli di diffusione, le strategie di addestramento scalabili e le tecniche di inferenza efficienti. Il lavoro enfatizza l'apprendimento causale, la robustezza avversaria, la quantificazione dell'incertezza, l'IA spiegabile e l'apprendimento multimodale come componenti essenziali per sistemi di IA affidabili e generalizzabili. Collegando i fondamenti teorici con le applicazioni reali nel campo della sanità, della scoperta scientifica e dell'automazione, il libro fornisce una visione lungimirante dell'apprendimento profondo che si muove verso un'intelligenza artificiale più adattabile, interpretabile ed efficiente dal punto di vista energetico.

Full Product Details

9786209575594

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available