Aprendizaje profundo - Avances en robótica mediante sistemas inteligentes
Fouad Sabry
Tradutor Guilherme Costa
Sinopse
"Deep Learning" es una guía esencial para el cambiante mundo de la robótica, que ofrece información detallada sobre el revolucionario campo de la inteligencia artificial. Ya seas un profesional, un estudiante o un entusiasta, este libro proporciona la base necesaria para comprender los principios complejos detrás del aprendizaje automático y las redes neuronales. Explora cómo estas tecnologías están dando forma al futuro de la robótica, desde el reconocimiento de voz hasta las redes neuronales cuánticas, y obtén el conocimiento necesario para mantenerte a la vanguardia en un campo que avanza rápidamente. Aprendizaje profundo-Introducción al aprendizaje profundo y sus aplicaciones en robótica e IA. Red neuronal (aprendizaje automático)-Comprensión de la estructura fundamental y los procesos de aprendizaje de las redes neuronales. Reconocimiento de voz-Cómo el aprendizaje profundo potencia las tecnologías de reconocimiento de voz, lo que permite una interacción humano-robot más intuitiva. Jürgen Schmidhuber-Una inmersión profunda en las contribuciones de Jürgen Schmidhuber, una figura clave en los avances de las redes neuronales. Redes neuronales recurrentes-el papel de las redes neuronales recurrentes (RNN) en el procesamiento de datos secuenciales y series temporales. Redes neuronales cuánticas-exploración de la intersección de la computación cuántica y las redes neuronales, abriendo nuevas dimensiones para la IA. Redes de estado de eco-una mirada a las redes de estado de eco (ESN) y su eficiencia en sistemas dinámicos complejos. Memoria a corto y largo plazo-una exploración de las redes LSTM y su capacidad para retener información a largo plazo, fundamental en robótica. Tipos de redes neuronales artificiales-descripción general de varios tipos de redes neuronales y sus aplicaciones específicas en robótica. Red neuronal convolucional-comprensión de las CNN y su impacto en el procesamiento de imágenes y el reconocimiento visual en robótica. Redes neuronales recurrentes bidireccionales-un estudio de las RNN bidireccionales y su capacidad para procesar datos de contextos pasados y futuros. Alex Graves (informático)-se centra en el trabajo pionero de Alex Graves en redes neuronales e IA, y su impacto en la robótica. Acelerador de IA-se examinan los avances en hardware, como los aceleradores de IA, que mejoran el rendimiento del modelo de aprendizaje profundo. Cronología del aprendizaje automático-una descripción histórica de los hitos clave en el desarrollo del aprendizaje automático y la IA. Computadora neuronal diferenciable-una mirada a las computadoras neuronales diferenciables (DNC) y su potencial para revolucionar la memoria y la resolución de problemas en los robots. AlexNet-comprensión del innovador modelo AlexNet y su papel en la popularización del aprendizaje profundo para la clasificación de imágenes. Clasificación temporal conexionista-una exploración de la CTC para el procesamiento de voz y secuencias, vital para la comunicación entre humanos y robots. Red de carreteras-la importancia de las redes de carreteras para superar las limitaciones de las arquitecturas profundas para mejorar el aprendizaje. Redes neuronales residuales-estudio de las redes residuales y cómo ayudan a entrenar redes neuronales muy profundas para la robótica. Historia de las redes neuronales artificiales-una historia completa de las redes neuronales, desde su inicio hasta su dominio en la IA moderna. Attention Is All You Need-una inmersión profunda en el modelo de transformador, que ha revolucionado el procesamiento del lenguaje natural en la robótica.
Disponível desde: 01/01/2025.
Comprimento de impressão: 290 páginas.
