Gaussian Radial and Kernel Networks with Varying and Fixed Widths

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F13%3A00389193" target="_blank" >RIV/67985807:_____/13:00389193 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Gaussian Radial and Kernel Networks with Varying and Fixed Widths
Popis výsledku v původním jazyce
The role of widths of Gaussians in computational models which they generate is investigated. Suitability of Gaussian kernel models with fixed widths for regression is proven in terms of their universal approximation capability. Large sets of argminima oferror functionals minimized during learning from data over Gaussian networks with varying widths are described. Dependence of stabilizers modelling generalization on widths of Gaussian kernels and the input dimension is estimated.
Název v anglickém jazyce
Gaussian Radial and Kernel Networks with Varying and Fixed Widths
Popis výsledku anglicky
The role of widths of Gaussians in computational models which they generate is investigated. Suitability of Gaussian kernel models with fixed widths for regression is proven in terms of their universal approximation capability. Large sets of argminima oferror functionals minimized during learning from data over Gaussian networks with varying widths are described. Dependence of stabilizers modelling generalization on widths of Gaussian kernels and the input dimension is estimated.

Projekt
<a href="/cs/project/GAP202%2F11%2F1368" target="_blank" >GAP202/11/1368: Učení funkcionálních vztahů z vysoce dimenzionálních dat</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)