Normalization Techniques in Deep Learning - Lei Huang

Blick ins Buch

Normalization Techniques in Deep Learning (eBook)

Lei Huang (Autor)

eBook Download: PDF

2022 | 1st ed. 2022
XI, 110 Seiten
Springer International Publishing (Verlag)
978-3-031-14595-7 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

?This book presents and surveys normalization techniques with a deep analysis in training deep neural networks. In addition, the author provides technical details in designing new normalization methods and network architectures tailored to specific tasks. Normalization methods can improve the training stability, optimization efficiency, and generalization ability of deep neural networks (DNNs) and have become basic components in most state-of-the-art DNN architectures. The author provides guidelines for elaborating, understanding, and applying normalization methods. This book is ideal for readers working on the development of novel deep learning algorithms and/or their applications to solve practical problems in computer vision and machine learning tasks. The book also serves as a resource researchers, engineers, and students who are new to the field and need to understand and train DNNs.

Lei Huang, Ph.D., is an Associate Professor at Beihang University. His current research interests include normalization techniques involving methods, theories, and applications in training deep neural networks (DNNs). He also has wide interests in representation and optimization of deep learning theory and computer vision tasks. Dr. Huang serves as a reviewer for top-tier conferences and journals in machine learning and computer vision.

Erscheint lt. Verlag	8.10.2022
Reihe/Serie	Synthesis Lectures on Computer Vision
Zusatzinfo	XI, 110 p. 26 illus., 21 illus. in color.
Sprache	englisch
Themenwelt	Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik
Themenwelt	Mathematik / Informatik ► Mathematik
Schlagworte	Artificial Intelligence • Batch Normalization • computer vision • Deep Neural Networks (DNNs) • domain adaptation • generative adversarial networks • Image Classifcation • Image Style Transfer • machine learning • Natural Language Processing (NLP) • Normalization Techniques • Optimization • Statistical Learning • Weight Normalization
ISBN-10	3-031-14595-X / 303114595X
ISBN-13	978-3-031-14595-7 / 9783031145957

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 2,9 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Hardcover

58,84 €