DEEP LEARNINGServicio de Publicaciones de la Universidad de Huelva, 12 abr 2021 - 264 páginas En los últimos años, el deep learning ha supuesto una auténtica revolución en el campo de la inteligencia artificial. Los resultados alcanzados tanto en aplicaciones científico-tecnológicas cómo económicas y sociales han propiciado que la demanda de especialistas en esta materia aumente de forma exponencial así cómo los recursos para su aprendizaje. Sin embargo, hoy día la mayoría de los recursos existentes se centran en la aplicación práctica de las técnicas, pasando por alto los conceptos básicos que son imprescindibles para llegar a comprender esta tecnología. Este libro ofrece una introducción actualizada al deep learning desde una perspectiva diferente. En concreto, se centra en los fundamentos y los conceptos básicos necesarios para conocer el funcionamiento de estos modelos, que son independientes del lenguaje de programación y las librerías utilizadas. Para ello, partiendo de una perspectiva histórica, que dota de contexto los conceptos estudiados, aborda los principales modelos de deep learning junto con las pautas y técnicas a seguir para su entrenamiento. |
Términos y frases comunes
abordar actualizar los pesos aleatoria algoritmo backpropagation algoritmo de entrenamiento algoritmo de optimización aplica aprendizaje supervisado aproximar la función arquitectura base bias calcular la derivada capa de convolución capa de salida capa oculta clase positiva conjunto de datos conjunto de entrenamiento conjunto de validación datos de entrada deep learning definir descenso por gradiente diferentes dimensiones extraer características Figura función de activación función de pérdida función XOR Funciones booleanas Geoffrey Hinton hiperparámetros hiperplano imágenes ImageNet inglés inicialización inteligencia artificial iteración kernel de convolución learning rate lote de ejemplos machine learning mapa de características mediante métricas mínimo modelo de deep muestra un ejemplo namiento neurona número de parámetros obtener perceptrón piezas de información píxeles pooling problema de clasificación procesamiento red neuronal convolucional red neuronal recurrente redes neuronales artificiales redes neuronales tradicionales regla de actualización regla delta representación salida esperada sobreajuste suele superficie utilizar valor de pérdida valor de salida variables varianza