Mappings between High-Dimensional Representations in Connectionistic Systems

Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F04%3A00103262" target="_blank" >RIV/67985807:_____/04:00103262 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—

Result language
angličtina
Original language name
Mappings between High-Dimensional Representations in Connectionistic Systems
Original language description
Approximations of high-dimensional mappings by neural network is investigated in the context of nonlinear approximation theory. It is shown that the "curse of dimensionality" can be avoided when certain norms of mappings are kept low. There are describedproperties and methods of derivation of estimates of such norms. The results are applied to perceptron and RBF networks.
Czech name
Transformace vysoko dimenzionálních reprezentací v konekcionistických systémech
Czech description
Aproximace vysoko dimenzionálních zobrazení pomocí neuronových sítí je studována v kontextu nelineární aproximační teorie. Je ukázáno, že je možné se vyhnout tzv. prokletí dimenzionality pokud jsou určité normy zobrazení nízké. Jsou popsány vlastnosti ametody odhadu těchto norem. Výsledky jsou aplikovány na RBF a perceptronové sítě.

Project
<a href="/en/project/GA201%2F00%2F1489" target="_blank" >GA201/00/1489: Soft Computing: Theoretical foundations and experiments</a><br>
Continuities
Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year
2004
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Similar results(10)