Overview

Frontiers in Deep Learning: Modèles avancés, paradigmes de formation et problèmes ouverts présente une exploration complète des orientations émergentes de l'apprentissage profond au-delà des architectures et des méthodes de formation traditionnelles. Le livre examine de manière critique les limites de la rétropropagation, l'invraisemblance biologique, l'inefficacité de la mémoire et l'oubli catastrophique, tout en introduisant des alternatives innovantes telles que les réseaux neuronaux à pointes, le codage prédictif et la propagation à l'équilibre. Il couvre des sujets avancés tels que le méta-apprentissage, les modèles d'équilibre profonds, les architectures de transformateurs, les réseaux neuronaux graphiques, l'IA neuro-symbolique, l'apprentissage auto-supervisé, les modèles de diffusion, les stratégies d'apprentissage évolutives et les techniques d'inférence efficaces. Les travaux mettent l'accent sur l'apprentissage causal, la robustesse des adversaires, la quantification de l'incertitude, l'IA explicable et l'apprentissage multimodal en tant que composantes essentielles de systèmes d'IA fiables et généralisables. En faisant le lien entre les fondements théoriques et les applications du monde réel dans les domaines de la santé, de la découverte scientifique et de l'automatisation, le livre offre une vision prospective de l'apprentissage profond qui évolue vers une intelligence artificielle plus adaptative, interprétable et économe en énergie.

Full Product Details

9786209567919

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available