SULJE VALIKKO

avaa valikko

Tanaka Akinori Tanaka | Akateeminen Kirjakauppa

Haullasi löytyi yhteensä 5 tuotetta
Haluatko tarkentaa hakukriteerejä?



Deep Learning and Physics
Akinori Tanaka; Akio Tomiya; Koji Hashimoto
Springer (2021)
Kovakantinen kirja
117,20
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Superconformal Index on RP2 × S1 and 3D Mirror Symmetry
Akinori Tanaka
Springer Verlag, Singapore (2016)
Kovakantinen kirja
97,90
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Superconformal Index on RP2 × S1 and 3D Mirror Symmetry
Akinori Tanaka
Springer Verlag, Singapore (2018)
Pehmeäkantinen kirja
97,90
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Deep Learning and Physics
Akinori Tanaka; Akio Tomiya; Koji Hashimoto
Springer (2022)
Pehmeäkantinen kirja
78,60
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Deep Learning and Physics
Tanaka Akinori Tanaka; Tomiya Akio Tomiya; Hashimoto Koji Hashimoto
Springer Nature B.V. (2021)
Pehmeäkantinen kirja
115,30
Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
Deep Learning and Physics
117,20 €
Springer
Sivumäärä: 207 sivua
Asu: Kovakantinen kirja
Julkaisuvuosi: 2021, 21.02.2021 (lisätietoa)
Kieli: Englanti
Tuotesarja: Mathematical Physics Studies
What is deep learning for those who study physics? Is it completely different from physics? Or is it similar? 

In recent years, machine learning, including deep learning, has begun to be used in various physics studies. Why is that? Is knowing physics useful in machine learning? Conversely, is knowing machine learning useful in physics? 

This book is devoted to answers of these questions. Starting with basic ideas of physics, neural networks are derived naturally. And you can learn the concepts of deep learning through the words of physics.

In fact, the foundation of machine learning can be attributed to physical concepts. Hamiltonians that determine physical systems characterize various machine learning structures. Statistical physics given by Hamiltonians defines machine learning by neural networks. Furthermore, solving inverse problems in physics through machine learning and generalization essentially providesprogress and even revolutions in physics. For these reasons, in recent years interdisciplinary research in machine learning and physics has been expanding dramatically. 

This book is written for anyone who wants to learn, understand, and apply the relationship between deep learning/machine learning and physics. All that is needed to read this book are the basic concepts in physics: energy and Hamiltonians. The concepts of statistical mechanics and the bracket notation of quantum mechanics, which are explained in columns, are used to explain deep learning frameworks.

We encourage you to explore this new active field of machine learning and physics, with this book as a map of the continent to be explored.



Tuotetta lisätty
ostoskoriin kpl
Siirry koriin
LISÄÄ OSTOSKORIIN
Tilaustuote | Arvioimme, että tuote lähetetään meiltä noin 4-5 viikossa | Tilaa jouluksi viimeistään 27.11.2024
Myymäläsaatavuus
Helsinki
Tapiola
Turku
Tampere
Deep Learning and Physicszoom
Sisäänkirjautuminen
Kirjaudu sisään
Rekisteröityminen
Oma tili
Omat tiedot
Omat tilaukset
Omat laskut
Lisätietoja
Asiakaspalvelu
Tietoa verkkokaupasta
Toimitusehdot
Tietosuojaseloste