Model Complexity of Neural Networks in High-Dimensional Approximation

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F12%3A00360537" target="_blank" >RIV/67985807:_____/12:00360537 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-642-23229-9_7" target="_blank" >http://dx.doi.org/10.1007/978-3-642-23229-9_7</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-642-23229-9_7" target="_blank" >10.1007/978-3-642-23229-9_7</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Model Complexity of Neural Networks in High-Dimensional Approximation
Popis výsledku v původním jazyce
The role of dimensionality in approximation by neural networks is investigated. Methods from nonlinear approximation theory are used to describe sets of functions which can be approximated by neural networks with a polynomial dependence of model complexity on the input dimension. The results are illustrated by examples of Gaussian radial networks.
Název v anglickém jazyce
Model Complexity of Neural Networks in High-Dimensional Approximation
Popis výsledku anglicky
The role of dimensionality in approximation by neural networks is investigated. Methods from nonlinear approximation theory are used to describe sets of functions which can be approximated by neural networks with a polynomial dependence of model complexity on the input dimension. The results are illustrated by examples of Gaussian radial networks.

Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)