Tiefes Lernen - Weiterentwicklung der Robotik durch intelligente Systeme
Fouad Sabry
Traduttore Daniel Hueber
Casa editrice: Eine Milliarde Sachkundig [German]
Sinossi
„Deep Learning“ ist ein unverzichtbarer Leitfaden für die sich entwickelnde Welt der Robotik und bietet tiefgehende Einblicke in das revolutionäre Feld der künstlichen Intelligenz. Egal, ob Sie Profi, Student oder Enthusiast sind, dieses Buch bietet die notwendigen Grundlagen, um die komplexen Prinzipien hinter maschinellem Lernen und neuronalen Netzwerken zu verstehen. Entdecken Sie, wie diese Technologien die Zukunft der Robotik prägen, von der Spracherkennung bis hin zu Quantenneuronalen Netzwerken, und erwerben Sie das nötige Wissen, um in einem sich schnell entwickelnden Bereich die Nase vorn zu behalten. Deep Learning-Einführung in Deep Learning und seine Anwendungen in der Robotik und KI. Neuronales Netzwerk (maschinelles Lernen)-Verständnis der grundlegenden Struktur und Lernprozesse neuronaler Netzwerke. Spracherkennung-Wie Deep Learning Spracherkennungstechnologien antreibt und eine intuitivere Mensch-Roboter-Interaktion ermöglicht. Jürgen Schmidhuber-Ein tiefer Einblick in die Beiträge von Jürgen Schmidhuber, einer Schlüsselfigur in der Weiterentwicklung neuronaler Netzwerke. Rekurrentes neuronales Netzwerk-Die Rolle rekurrenter neuronaler Netzwerke (RNNs) bei der Verarbeitung sequentieller Daten und Zeitreihen. Quantenneuronales Netzwerk-Erforschung der Schnittstelle zwischen Quantencomputing und neuronalen Netzwerken, die neue Dimensionen für die KI eröffnet. Echo-State-Netzwerk-Ein Blick auf Echo-State-Netzwerke (ESNs) und ihre Effizienz in komplexen dynamischen Systemen. Langzeit-Kurzzeitgedächtnis-Eine Erforschung von LSTM-Netzwerken und ihrer Fähigkeit, Informationen langfristig zu speichern, was in der Robotik von entscheidender Bedeutung ist. Arten künstlicher neuronaler Netzwerke-Überblick über verschiedene Arten neuronaler Netzwerke und ihre spezifischen Anwendungen in der Robotik. Faltungsneuronales Netzwerk-CNNs und ihre Auswirkungen auf die Bildverarbeitung und visuelle Erkennung in der Robotik verstehen. Bidirektionale rekurrierende neuronale Netzwerke-Eine Studie bidirektionaler RNNs und ihrer Fähigkeit, Daten aus vergangenen und zukünftigen Kontexten zu verarbeiten. Alex Graves (Informatiker)-Fokussierung auf die Pionierarbeit von Alex Graves in neuronalen Netzwerken und KI und ihre Auswirkungen auf die Robotik. KI-Beschleuniger-Untersuchung der Hardware-Fortschritte, wie KI-Beschleuniger, die die Leistung von Deep-Learning-Modellen verbessern. Zeitleiste des maschinellen Lernens-Ein historischer Überblick über wichtige Meilensteine in der Entwicklung des maschinellen Lernens und der KI. Differenzierbarer neuronaler Computer-Ein Blick auf differenzierbare neuronale Computer (DNCs) und ihr Potenzial, das Gedächtnis und die Problemlösung bei Robotern zu revolutionieren. AlexNet-Verständnis des bahnbrechenden AlexNet-Modells und seiner Rolle bei der Popularisierung von Deep Learning für die Bildklassifizierung. Konnektionistische zeitliche Klassifizierung-Eine Untersuchung von CTC für Sprach- und Sequenzverarbeitung, die für die Mensch-Roboter-Kommunikation von entscheidender Bedeutung ist. Autobahnnetzwerk-Die Bedeutung von Autobahnnetzwerken bei der Überwindung der Einschränkungen tiefer Architekturen für verbessertes Lernen. Residuales neuronales Netzwerk-Untersuchung von Residualnetzwerken und wie sie beim Training sehr tiefer neuronaler Netzwerke für die Robotik helfen. Geschichte der künstlichen neuronalen Netzwerke-Eine umfassende Geschichte der neuronalen Netzwerke, von ihrer Entstehung bis zu ihrer Dominanz in der modernen KI. Aufmerksamkeit ist alles, was Sie brauchen-Ein tiefer Einblick in das Transformer-Modell, das die Verarbeitung natürlicher Sprache in der Robotik revolutioniert hat.
Disponibile da: 01/01/2025.
Lunghezza di stampa: 290 pagine.
