Learning from Data by Neural Networks of Limited Complexity.
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F03%3A06030188" target="_blank" >RIV/67985807:_____/03:06030188 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Learning from Data by Neural Networks of Limited Complexity.
Popis výsledku v původním jazyce
Learning from data formalized as a minimization of a relularized empirical error is studied in terms of approximate minimization over sets of functions computable by networks with increasing number of hidden units. There are derived upper bounds on speedof convergence of infima achievable over networks with n hidden inits to the global infimum. The bounds are expressed in terms of norms tailored to the type of network units and moduli of continuity of regularized empirical error functionals.
Název v anglickém jazyce
Learning from Data by Neural Networks of Limited Complexity.
Popis výsledku anglicky
Learning from data formalized as a minimization of a relularized empirical error is studied in terms of approximate minimization over sets of functions computable by networks with increasing number of hidden units. There are derived upper bounds on speedof convergence of infima achievable over networks with n hidden inits to the global infimum. The bounds are expressed in terms of norms tailored to the type of network units and moduli of continuity of regularized empirical error functionals.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BA - Obecná matematika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA201%2F02%2F0428" target="_blank" >GA201/02/0428: Nelineární aproximace s proměnnou bází a neuronové sítě</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2003
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Artificial Neural Networks in Pattern Recognition.
ISBN
—
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
146-151
Název nakladatele
University of Florence
Místo vydání
Florence
Místo konání akce
Florence [IT]
Datum konání akce
12. 9. 2003
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—