Somani / Horsch / Prasad | Interpretability in Deep Learning | E-Book | www2.sack.de
E-Book

E-Book, Englisch, 466 Seiten

Somani / Horsch / Prasad Interpretability in Deep Learning


1. Auflage 2023
ISBN: 978-3-031-20639-9
Verlag: Springer International Publishing
Format: PDF
 Kopierschutz: 1 - PDF Watermark

E-Book, Englisch, 466 Seiten

ISBN: 978-3-031-20639-9
Verlag: Springer International Publishing
Format: PDF
 Kopierschutz: 1 - PDF Watermark

This book is a comprehensive curation, exposition and illustrative discussion of recent research tools for interpretability of deep learning models, with a focus on neural network architectures. In addition, it includes several case studies from application-oriented articles in the fields of computer vision, optics and machine learning related topic. 

The book can be used as a monograph on interpretability in deep learning covering the most recent topics as well as a textbook for graduate students. Scientists with research, development and application responsibilities benefit from its systematic exposition.

Somani / Horsch / Prasad Interpretability in Deep Learning jetzt bestellen!

Autoren/Hrsg.

Somani, Ayush
Horsch, Alexander
Prasad, Dilip K.
Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.