Variational Methods for Machine Learning with Applications to Deep Networks
Langue : anglais
Edité par Springer, Springer Mai 2021, 2021
- Livre relié
- Neuf
Vendeur : buchversandmimpf2000, Emtmannsberg, BAYE, Allemagnebuchversandmimpf2000
Vendeur AbeBooks depuis 23 janvier 2017
Etat: Neuf
EUR 106,99
Quantité disponible : 1 disponible
Ajouter au panierA propos de cet article
This item is printed on demand - Print on Demand Titel. Neuware -This book provides a straightforward look at the concepts, algorithms and advantages of Bayesian Deep Learning and Deep Generative Models. Starting from the model-based approach to Machine Learning, the authors motivate Probabilistic Graphical Models and show how Bayesian inference naturally lends itself to this framework. The authors present detailed explanations of the main modern algorithms on variational approximations for Bayesian inference in neural networks. Each algorithm of this selected set develops a distinct aspect of the theory. The book builds from the ground-up well-known deep generative models, such as Variational Autoencoder and subsequent theoretical developments. By also exposing the main issues of the algorithms together with different methods to mitigate such issues, the book supplies the necessary knowledge on generative models for the reader to handle a wide range of data types: sequential or not, continuous or not, labelled or not. The book is self-contained, promptly covering all necessary theory so that the reader does not have to search for additional information elsewhere.Offers a concise self-contained resource, covering the basic concepts to the algorithms for Bayesian Deep Learning;Presents Statistical Inference concepts, offering a set of elucidative examples, practical aspects, and pseudo-codes;Every chapter includes hands-on examples and exercises and a website features lecture slides, additional examples, and other support material.Springer-Verlag KG, Sachsenplatz 4-6, 1201 Wien 180 pp. Englisch. …
N° de réf. du vendeur 9783030706784
- Titre
- Variational Methods for Machine Learning with Applications to Deep Networks
- Auteur
- Lucas Pinheiro Cinelli
- Éditeur
- Springer, Springer Mai 2021
- Année de publication
- 2021
- État de l'article
- Neu
- Reliure
- Buch
- Langue
- anglais
- ISBN à 10 chiffres
- 3030706788
- ISBN à 13 chiffres
- 9783030706784
- Poids de l'article
- 474 grammes
- Dimensions
- 241x160x15 mm
- Offers a concise self-contained resource, covering the basic concepts to the algorithms for Bayesian Deep Learning;
- Presents Statistical Inference concepts, offering a set of elucidative examples, practical aspects, and pseudo-codes;
- Every chapter includes hands-on examples and exercises and a website features lecture slides, additional examples, and other support material.
« Synopsis » peut appartenir à une autre édition de cet ouvrage.
À propos de l’auteur
Lucas P. Cinelli was born in Rio de Janeiro, Brazil. He received the Electronics and Computer Engineering degree from the Universidade Federal do Rio de Janeiro (UFRJ), as well as the Engineering degree with major in Electronic Systems, Networks & Images from the Grande École Supélec, in France, due to his academic exchange in 2014-2016. During this period, he also received the Master's degree in Microtechnologies, Architecture, Communication Networks and Systems from Supélec/INSA-Rennes. In 2019, he received the M.Sc. degree in Electrical Engineering from COPPE/UFRJ, for his dissertation on variational methods for machine learning and is currently pursuing his Ph.D. degree at the same institution. His research on anomaly detection in videos with deep learning alongside his colleagues has led to publications on ICIP 2018 and a Brazilian conference (SBrT) in 2017.
Matheus A. Marins was born in Rio de Janeiro, Brazil. He received the Electronics and Computer Engineering degree from the Universidade Federal do Rio de Janeiro (UFRJ), in 2016, having done a one-year exchange program at Illinois Institute of Technology (IIT), in the Computer Engineering course. He received the M.Sc. degree in Electrical Engineering from COPPE/UFRJ in 2018, being awarded with a scholarship for his academic performance by the Rio de Janeiro State government. Currently, he is pursuing his Ph.D. degree at the same institution and has shifted his research towards modern Bayesian methods applied to Machine Learning. So far, his research has been focused on Machine Learning, especially on condition-based models to identify and prevent failures on physical systems, which resulted on two international journals (2017 and 2020) and on a Brazilian conference paper (SBrT).Eduardo A. B. da Silva was born in Rio de Janeiro, Brazil. He received the Electronics Engineering degree from Instituto Militar de Engenharia (IME), Brazil, in 1984, the M.Sc. degree in Electrical Engineering from Universidade Federal do Rio de Janeiro (COPPE/UFRJ) in 1990, and the Ph.D. degree in Electronics from the University of Essex, England, in 1995. He is a professor at Universidade Federal do Rio de Janeiro since 1989. He is co-author of the book "Digital Signal Processing - System Analysis and Design", published by Cambridge University Press. He published more than 70 papers in international journals. His research interests lie in the fields of signal and image processing, signal compression, 3D videos, computer vision, light fields and machine learning, together with its applications to telecommunications and the oil and gas industry. He is co-editor of the future standard ISO/IEC CD 21794-2, JPEG Pleno Plenoptic image coding system, and is currently Requirements Vice Chair of JPEG.
Sergio L. Netto was born in Rio de Janeiro, Brazil. He received the B.Sc. (cum laude) degree from the Universidade Federal do Rio de Janeiro (UFRJ), Brazil, in 1991, the M.Sc. degree from COPPE/UFRJ in 1992, and the Ph.D. degree from the University of Victoria, BC, Canada, in 1996, all in electrical engineering. Since 1997, he has been with the Department of Electronics and Computer Engineering, Poli/UFRJ, and since 1998, he has been with the Program of Electrical Engineering, COPPE/UFRJ. He is the Co-Author (with P. S. R. Diniz and E. A. B. da Silva) of Digital Signal Processing: System Analysis and Design (Cambridge University Press, 2nd edition, 2010), which has also been translated to Chinese and Portuguese. His research and teaching interests lie in the areas of digital signal processing, speech processing, information theory, and computer vision. Prof. Netto received the 2006 Guillemin-Cauer award from the IEEE Circuits and Systems Society for the best paper published in the year of 2005 in the IEEE Trans. Circuits and Systems, Part I: Regular Papers.
« A propos de ce titre » peut appartenir à une autre édition de cet ouvrage.
buchversandmimpf2000
Emtmannsberg, BAYE, Allemagne
Vendeur AbeBooks depuis 23 janvier 2017
Frais d'expédition de Allemagne vers Etats-Unis
| Article | 60 à 60 jours ouvrés | 60 à 60 jours ouvrés |
|---|---|---|
| Premier article | EUR 60,00 | EUR 75,00 |
Modes de paiement
- Chèque
- Paypal
Description de la boutique
Impressum Thorsten Retsch Buchversand Mimpf2000 Oberölschnitz 16 95517 Emtmannsberg Deutschland Telefon: 09209-2023188 Email: mimpf2000@online.de USt-ID-Nr.: DE 235096871 Wir führen gebrauchte Bücher aus allen Sparten der Literatur
Spécialité
Modernes Antiquariat - Bücher von 1960 bis heuteProfil professionnel du vendeur
buchversandmimpf2000
Allemagne
Conditions de vente
Impressum
Gesetzliche Anbieterkennung:
Thorsten Retsch
Buchversand Mimpf2000
Oberölschnitz 16
95517 Emtmannsberg
Deutschland
Telefon: 092092023188
E-Mail: order@buchversandmimpf2000.de
USt-IdNr.: DE 235096871
Alternative Streitbeilegung:
Die Europäische Kommission stellt eine Plattform für die außergerichtliche Online-Streitbeilegung (OS-Plattform) bereit, aufrufbar unter http://ec.europa.eu/odr.
Droit de rétractation
Si vous êtes un consommateur, vous pouvez exercer votre droit de rétractation sur le contrat conformément à ce qui suit. Le mot « consommateur » désigne toute personne physique agissant à des fins qui n'entrent pas dans le cadre de son activité commerciale, artisanale ou professionnelle.
Informations concernant le droit de rétractation
Droit statutaire de rétractation
Vous avez le droit d'exercer votre droit de rétractation sur ce contrat dans les 14 jours sans donner de raison.
Le délai de rétractation expirera au bout de 14 jours à compter du jour où vous-même, ou un tiers autre que le transporteur et désigné par vous, prendrez physiquement possession de la dernière marchandise, du dernier lot ou de la dernière pièce.
Pour exercer votre droit de rétractation, remplissez électroniquement et envoyez une déclaration claire sur notre site Web, sous « Vos achats » dans « Votre compte ». Nous vous communiquerons sans délai un accusé de réception de cette rétractation sur un support durable (par exemple, par e-mail).
Pour respecter le délai de rétractation, il vous suffit d'envoyer votre message concernant l'exercice de votre droit de rétractation avant l'expiration du délai de rétractation.
Effets de la rétractation
Si vous exercez votre droit de rétractation sur ce contrat, nous vous rembourserons tous les paiements que vous avez effectués, y compris les frais de livraison (à l'exception des frais supplémentaires résultant du choix d'un mode de livraison autre que le type de livraison standard le moins cher que nous proposons).
Nous pouvons déduire du remboursement la perte de valeur de toute marchandise livrée, si la perte est le résultat d'une manipulation inutile de votre part.
Nous effectuerons le remboursement dans les meilleurs délais, et au plus tard 14 jours après le jour où nous aurons été informés de votre décision d'exercer votre droit de rétractation sur ce contrat.
Nous effectuerons le remboursement en utilisant le même moyen de paiement que celui que vous avez utilisé pour la transaction initiale, sauf si vous en avez expressément convenu autrement ; en tout état de cause, aucuns frais ne vous seront facturés à la suite d'un tel remboursement.
Nous pouvons suspendre le remboursement jusqu'à ce que nous ayons reçu les marchandises ou que vous ayez fourni la preuve que vous avez renvoyé les marchandises, en fonction de la première éventualité.
Vous devez renvoyer les marchandises ou les remettre à buchversandmimpf2000, Emtmannsberg, BAYE, Germany, +49 09209-2023188, sans retard injustifié et, en tout état de cause, au plus tard 14 jours à compter du jour où vous nous avez communiqué votre décision de rétractation du présent contrat. Le délai est respecté si vous renvoyez les marchandises avant l'expiration du délai de 14 jours. Vous devrez prendre en charge les frais directs du renvoi des marchandises. Vous n'êtes responsable que de toute diminution de valeur des marchandises résultant d'une manipulation autre que celle nécessaire pour établir la nature, les caractéristiques et le fonctionnement des marchandises.
Exceptions au droit de rétractation
Le droit de rétractation ne s'applique pas à ce qui suit :
- Distribution de journaux, de revues ou de magazines, à l'exception des contrats d'abonnement ; et
- Fourniture d'un contenu numérique qui n'est pas fourni sur un support matériel (par exemple, sur un CD ou un DVD) si vous avez accepté, lors de votre commande, que nous puissions commencer à le livrer et que vous ne puissiez pas exercer votre droit de rétractation une fois la livraison commencée.
Conditions d'expédition
Soweit in der Artikelbeschreibung keine andere Frist angegeben ist, erfolgt die Lieferung der Ware innerhalb von 3-5 Werktagen nach Vertragsschluss, bei Vorauszahlung erst nach Eingang des vollständigen Kaufpreises und der Versandkosten. Alle Preise inkl. MwSt.