Neural networks and deep learning

A. Pastor López-Monroy; Jesus Salvador Garcia Salinas

doi:10.1016/b978-0-12-820125-1.00021-x

Neural networks and deep learning

Abstrakt

In this chapter we will provide the general and fundamental background related to Neural Networks and Deep Learning techniques. Specifically, we divide the fundamentals of deep learning in three parts, the first one introduces Deep Feed Forward Networks and the main training algorithms in the context of optimization. The second part covers Convolutional Neural Networks (CNN) and discusses their main advantages and shortcomings for different scenarios and variants of CNNs. Finally, the third part presents Neural Networks for sequence modeling, in particular Recurrent Neural Networks (RNN), Gated Recurrent Units (GRU), Long Short-Term Memory (LSTM) and Attention Mechanisms. The description of the latter models are made in the context of different applications that allows to explain in a better way the details of each particular kind of neural network.

Cytowania

4

CrossRef
0

Web of Science
7

Scopus

Autorzy (2)

A. Pastor López-Monroy
Jesus Salvador Garcia Salinas (dawniej: Jesus Garcia Salinas) dr

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

pełna treść artykułu zobacz w serwisie zewnętrznym otwiera się w nowej karcie

Słowa kluczowe

Informacje szczegółowe

Kategoria:: Publikacja monograficzna
Typ:: rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
Tytuł wydania:: Biosignal Processing and Classification Using Computational Learning and Intelligence strony 177 - 196
Język:: angielski
Rok wydania:: 2022
Opis bibliograficzny:: López-Monroy A. P., Garcia Salinas J.: Neural networks and deep learning// Biosignal Processing and Classification Using Computational Learning and Intelligence/ : , 2022, s.177-196
DOI:: Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1016/b978-0-12-820125-1.00021-x
Weryfikacja:: Politechnika Gdańska