Wyszukiwanie zaawansowane
Kategorie
Kategorie BISAC
Książki na zamówienie
Promocje
Granty
Książka na prezent
Opinie
Pomoc
Załóż konto
Zaloguj się
Dynamical Variational Autoencoders: A Comprehensive Review » książka
zaloguj się
|
załóż konto
koszyk
konto
szukaj
topmenu
Szukaj
Książki na zamówienie
Promocje
Granty
Książka na prezent
Moje konto
Pomoc
Wyszukiwanie zaawansowane
Pusty koszyk
Kategorie główne
•
Nauka
[2671187]
•
Literatura piękna
[1632828]
więcej...
•
Turystyka
[64808]
•
Informatyka
[142531]
•
Komiksy
[32618]
•
Encyklopedie
[21639]
•
Dziecięca
[520689]
•
Hobby
[110162]
•
AudioBooki
[2156]
•
Literatura faktu
[198769]
•
Muzyka CD
[707]
•
Słowniki
[2799]
•
Inne
[406191]
•
Kalendarze
[2017]
•
Podręczniki
[166535]
•
Poradniki
[411695]
•
Religia
[456313]
•
Czasopisma
[424]
•
Sport
[59852]
•
Sztuka
[228027]
•
CD, DVD, Video
[4024]
•
Technologie
[204808]
•
Zdrowie
[89035]
•
Książkowe Klimaty
[126]
•
Zabawki
[3383]
•
Puzzle, gry
[3415]
•
Literatura w języku ukraińskim
[271]
•
Art. papiernicze i szkolne
[10676]
Kategorie szczegółowe BISAC
Dynamical Variational Autoencoders: A Comprehensive Review
ISBN-13
: 9781680839128 / Angielski / Miękka / 2021 / 198 str.
Laurent Girin
;
Simon Leglaive
;
Xiaoyu Bie
Widoczna okładka, to zdjęcie poglądowe, a rzeczywista szata graficzna może różnić się od prezentowanej.
Dynamical Variational Autoencoders: A Comprehensive Review
ISBN-13
: 9781680839128 / Angielski / Miękka / 2021 / 198 str.
Laurent Girin
;
Simon Leglaive
;
Xiaoyu Bie
cena
477,34
zł
(netto: 454,61 VAT: 5%)
Najniższa cena z 30 dni: 452,89 zł
Termin realizacji zamówienia:
ok. 13-18 dni roboczych.
Darmowa dostawa!
do przechowalni
Parametry
Spis treści
Kategorie:
Inne
Kategorie BISAC:
Computers
>
Data Science - Machine Learning
Computers
>
Machine Theory
Wydawca:
Now Publishers
Seria wydawnicza:
Foundations and Trends(r) in Machine Learning
Język:
Angielski
ISBN-13:
9781680839128
Rok wydania:
2021
Numer serii:
000465204
Ilość stron:
198
Waga:
0.28 kg
Wymiary:
23.39 x 15.6 x 1.07
Oprawa:
Miękka
Wolumenów:
01
1. Introduction
2. Variational Autoencoders
3. Recurrent Neural Networks and State Space Models
4. Definition of Dynamical VAEs
5. Deep Kalman Filters
6. Kalman Variational Autoencoders
7. STOchastic Recurrent Networks
8. Variational Recurrent Neural Networks
9. Stochastic Recurrent Neural Networks
10. Recurrent Variational Autoencoders
11. Disentangled Sequential Autoencoders
12. Brief tour of other models
13. Experiments
14. Discussion
Acknowledgements
Appendices
References
Udostępnij
Czytaj nas na: