Deep Learning Through Sparse and Low-Rank Modeling 9780128136591

Варианты приобретения

Цена: 13304.00р.
Кол-во:
Наличие: Поставка под заказ. Есть в наличии на складе поставщика.
Склад Америка: Есть
При оформлении заказа до: 2025-07-28
Ориентировочная дата поставки: Август-начало Сентября
При условии наличия книги у поставщика.

Добавить в корзину

в Мои желания

Автор: Wang, Zhangyang (Жаньян Ванг)
Название: Deep Learning Through Sparse and Low-Rank Modeling
Перевод названия: Жаньян Ванг: Глубокое обучение с помощью разреженного и низкорангового моделирования
ISBN: 9780128136591
Издательство: Elsevier Science
Классификация:

Компьютерные сети и коммуникации

Машинное зрение

ISBN-10: 0128136596
Обложка/Формат: Paperback
Страницы: 300
Вес: 0.51 кг.
Дата издания: 01.09.2018
Серия: Computer vision and pattern recognition
Язык: English
Размер: 193 x 235 x 17
Основная тема: Communications engineering
Ссылка на Издательство: Link
Рейтинг:
Поставляется из: Европейский союз
Описание:

Deep Learning through Sparse Representation and Low-Rank Modeling bridges classical sparse and low rank models--those that emphasize problem-specific Interpretability--with recent deep network models that have enabled a larger learning capacity and better utilization of Big Data. It shows how the toolkit of deep learning is closely tied with the sparse/low rank methods and algorithms, providing a rich variety of theoretical and analytic tools to guide the design and interpretation of deep learning models. The development of the theory and models is supported by a wide variety of applications in computer vision, machine learning, signal processing, and data mining.

This book will be highly useful for researchers, graduate students and practitioners working in the fields of computer vision, machine learning, signal processing, optimization and statistics.

Combines classical sparse and low-rank models and algorithms with the latest advances in deep learning networks
Shows how the structure and algorithms of sparse and low-rank methods improves the performance and interpretability of Deep Learning models
Provides tactics on how to build and apply customized deep learning models for various applications

Deep Learning Through Sparse and Low-Rank Modeling, Wang, Zhangyang