Mathematical Aspects of Deep Learning (eBook, PDF)

Redaktion: Grohs, Philipp; Kutyniok, Gitta

• Format: PDF

Produktbeschreibung

A mathematical introduction to deep learning, written by a group of leading experts in the field.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

---

Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.

Produktdetails

• Verlag: Cambridge University Press
• Erscheinungstermin: 22. Dezember 2022
• Englisch
• ISBN-13: 9781009035682
• Artikelnr.: 70911809

Inhaltsangabe

1. The modern mathematics of deep learning Julius Berner, Philipp Grohs,
Gitta Kutyniok and Philipp Petersen; 2. Generalization in deep learning
Kenji Kawaguchi, Leslie Pack Kaelbling, and Yoshua Bengio; 3. Expressivity
of deep neural networks Ingo Gühring, Mones Raslan and Gitta Kutyniok; 4.
Optimization landscape of neural networks René Vidal, Zhihui Zhu and
Benjamin D. Haeffele; 5. Explaining the decisions of convolutional and
recurrent neural networks Wojciech Samek, Leila Arras, Ahmed Osman,
Grégoire Montavon and Klaus-Robert Müller; 6. Stochastic feedforward neural
networks: universal approximation Thomas Merkh and Guido Montúfar; 7. Deep
learning as sparsity enforcing algorithms A. Aberdam and J. Sulam; 8. The
scattering transform Joan Bruna; 9. Deep generative models and inverse
problems Alexandros G. Dimakis; 10. A dynamical systems and optimal control
approach to deep learning Weinan E, Jiequn Han and Qianxiao Li; 11.
Bridging many-body quantum physics and deep learning via tensor networks
Yoav Levine, Or Sharir, Nadav Cohen and Amnon Shashua.